【正文】 每次在我犯錯(cuò)了，看到了你們的眼神我更是倍受鼓舞，然后我重拾信心繼 續(xù)向前。 最后我還要感謝我的 父母 ， 你們是我精神的支柱，正是你們?yōu)槲业哪冻龆磺蠡貓?bào)使我一路向前，你們不僅在生活上給予支持，更是在感情上給我巨大的包容。 在此我首先向石老師表示深深的感謝。 通過(guò)本次論文我學(xué)會(huì)了怎樣有條不紊的完成自己的工作。論文開(kāi)始時(shí)石老師對(duì)我的論文題目做了詳細(xì)講解，且 讓我 找取了大量的相關(guān)資料，通過(guò)這些資料使我 對(duì)論文的內(nèi)容有了 深入的了解。 (2)軟件環(huán)境： Windows7 （ 32）位 操作系統(tǒng)， Matlab 。 imshow(I3) r1=psnr(I3,I1) r2=psnr(I3,I2) RMSE1=rmse(I3,I1) RMSE2=rmse(I3,I2) DEF=sharp(I3) H = entropy(I3) 附錄二 圖像來(lái)源及實(shí)驗(yàn)環(huán)境 1. 圖像來(lái)源 本文所選取的 三幅圖像 來(lái)自 不同 方面的 圖像，具有很深刻的研究意義。本文方法 39。 figure imshow(I3)。)。 I3=idwt2(ca1,ch1,cv1,cd1,39。 cv1=fuseenergy(v11,v21)。)。 ca1=idwt2(ca2,ch2,cv2,cd2,39。 cv2=fuseenergy(v12,v22)。)。 ca2=idwt2(ca3,ch3,cv3,cd3,39。 cv3=fuseenergy(v13,v23)。 % 重構(gòu) ca3=(a13+a23)/2。sym839。)。 [a22,h22,v22,d22]=dwt2(a21,39。sym839。)。 [a13,h13,v13,d13]=dwt2(a12,39。sym839。)。 % 對(duì) I1做小波分解 [a11,h11,v11,d11]=dwt2(I1,39。per39。I2=double(I2)。 figure imshow(I2)。)。 I2=imread(39。紅外光 .jpg39。)。 滁州學(xué)院本科畢業(yè)論文 18 title(39。 I3=uint8(I3)。sym839。 cd1=fusebyvar(d11,d21)。 ch1=fusebyvar(h11,h21)。sym839。 cd2=fusebyvar(d12,d22)。 ch2=fusebyvar(h12,h22)。sym839。 cd3=fusebyvar(d13,d23)。 ch3=fusebyvar(h13,h23)。)。 [a23,h23,v23,d23]=dwt2(a22,39。sym839。)。 % 對(duì) I2做小波分解 [a21,h21,v21,d21]=dwt2(I2,39。sym839。)。 [a12,h12,v12,d12]=dwt2(a11,39。sym839。)。 dwtmode(39。 滁州學(xué)院本科畢業(yè)論文 17 I1=double(I1)。 % imshow(I1)。39。)。 RMSE=rmse(I,I3)imshow(I3) r1=psnr(I3,I1) r2=psnr(I3,I2) RMSE1=rmse(I3,I1) RMSE2=rmse(I3,I2) DEF=sharp(I3) H = entropy(I3) 2. % 小波融合 ,融合規(guī)則 系數(shù) 局部方差最大 clc clear I1=imread(39。方法 A39。 % figure imshow(I3)。)。 I3=idwt2(ca1,ch1,cv1,cd1,39。 c=(abs(d11)=abs(d21))。 c=(abs(v11)=abs(v21))。 c=(abs(h11)=abs(h21))。sym839。 cd2=c.*d12+~c.*d22。 cv2=c.*v12+~c.*v22。 滁州學(xué)院本科畢業(yè)論文 16 ch2=c.*h12+~c.*h22。)。 ca2=idwt2(ca3,ch3,cv3,cd3,39。 c=(abs(d13)=abs(d23))。 c=(abs(v13)=abs(v23))。 c=(abs(h13)=abs(h23))。)。 [a23,h23,v23,d23]=dwt2(a22,39。sym839。)。 % 對(duì) I2做小波分解 [a21,h21,v21,d21]=dwt2(I2,39。sym839。)。 [a12,h12,v12,d12]=dwt2(a11,39。sym839。)。 dwtmode(39。 I1=double(I1)。 imshow(I1)。右聚焦 .jpg39。)。s Letters,2020, 36(13):11151116. [4] Zhou Y T. Multisensor image fusion [J]. IEEE Int. Conf. on Image Processing,1994, 1( 11):193 — 197. [5] Piella G. A General Framework for Multiresolution Image Fusion: from Pixels to Regions [J] .Information Fusion, 2020, 4(4):259 一 80. [6]張建勛，牛文斌，張凱文 .一種改進(jìn)的基于小波變換的圖像 融合算法 [J].重慶理工大學(xué)學(xué)報(bào)， 2020,:6265. [7]楊福生 .小波變換的工程與應(yīng)用 [M].北京 :科學(xué)出版社， 2020. [8]郭雷，李暉暉，鮑永生 .圖像融合「 M].北京 :電子工業(yè)出版社， 2020. [9]楊亞，王錚，張素蘭 .基于小波變換的多聚焦圖像融合 [J].計(jì)算機(jī)技術(shù)與發(fā)展 .2020, 2062(3):56 一 58， 62. [10]劉貴喜，楊萬(wàn)海 .基于小波分解的圖像融合方法及性能評(píng)價(jià) [J].自動(dòng)化學(xué)報(bào)，2020,:13361442. [11]張潔，蔣寧，浦立新 .基于小波變換的醫(yī)學(xué)圖像融合技術(shù) [J].電子科技大學(xué)學(xué)報(bào)，2020,:840842. [12]羅曉青 ，吳小俊 .一種基于區(qū) 域相似性的圖像融 合評(píng)價(jià)方法 [J].電子 學(xué)報(bào)，2020,:11521155. [13]陳武凡 .小波分析及其在圖像處理中的應(yīng)用 [M].科學(xué)出版社 . [14]郭志強(qiáng) .基于區(qū)域特征小波變 換圖像融合方法 [J].武漢理工大學(xué)學(xué)報(bào)， 2020, 27(2):6163. [15]申曉華、楊國(guó)勝、張煥龍 .改進(jìn)的基于區(qū)域能量的圖像融合方法 [J].彈箭與制導(dǎo)學(xué)報(bào) .2020, 26(4):279281. [16] 王春浩 .醫(yī)學(xué)圖像融合算法研究 [D].碩士學(xué)位論文， 2020. 滁州學(xué)院本科畢業(yè)論文 15 附錄一 算法源代碼 1. % 小波融合 ,融合規(guī)則 系數(shù)絕對(duì)值最大 clc clear I1=imread(39。 滁州學(xué)院本科畢業(yè)論文 14 參考文獻(xiàn) [1]Burt， Adelson EH. The Laplacian pyramid as a pact image code. IEEE Transactions on Communications， 1983， 31(4):532 一 540. [2]Mallat S G. A theory for multiresolution signal deposition: the wavelet representation [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1989， 11(7):674 一 693. [3]Das S. KrebsW K. Sensor fusion of multispectral iagery[J].Elec。 雖然本文方法獲得了相比傳統(tǒng)方法更好的 融合 效果 ， 但由于時(shí)間和條件的不足 ， 還有很多方面需要改進(jìn)。 （ 2） 對(duì) 區(qū)域能量 功能進(jìn)行了詳細(xì)介紹，并給出 了算法的步驟。現(xiàn)將本文工作總結(jié)如下： （ 1）首先研究了 圖像 融合 的研究背景和 意義、 圖像融合 的 發(fā)展以及現(xiàn)狀 。 綜合以上實(shí)驗(yàn)結(jié)果及其數(shù)據(jù)分析可得出結(jié)論，本文所提出的融合方法，在主觀視覺(jué)效果和客觀數(shù)據(jù)分析均優(yōu)于 A、 B方法，從而驗(yàn)證該方法 的有效性 。 對(duì)于第一 組 左聚焦、右聚焦 圖像， 同樣可以看出本文方法得到的融合圖像在主觀視覺(jué)效果上要好， 在客觀評(píng)價(jià)指標(biāo)上， 從上表可知 本文方法的融合評(píng)價(jià)指標(biāo) 信息熵、 清晰度、峰值信噪比的數(shù)值 也 要 比前兩種方法的數(shù)值要大，說(shuō)明融合圖像更清晰地呈現(xiàn)了圖像的細(xì)節(jié)特征 和紋理變化，與源圖像之間的差別較小 ， 融合效果較佳。 同樣以第 二 組圖像為例， 本文方法所得融合圖像與源圖像之間的 信息熵 （ H） 比 A、 B 方法分別提高了 %和 %， 說(shuō)明 通過(guò)本文方法得到的融合 圖像攜帶的信息 更 多， 圖像細(xì)節(jié)表現(xiàn)力更強(qiáng) ；而且本文方法的 清晰度 （ g ） 同樣比方法 A、 B數(shù)值 也 要大， 說(shuō)明 本文方法處理后圖像的重要特征更加清晰 。 表