小波-Contourlet变换与区域能量加权在图像融合中的应用

"这篇论文是2008年发表在北京理工大学学报上的自然科学类论文，主要探讨了一种基于小波-Contourlet变换的区域能量加权图像融合算法，旨在解决Contourlet变换中拉普拉斯金字塔分解的信息冗余问题。作者通过使用不同的窗口函数来计算图像高频和低频分量的区域能量，并根据这些能量来确定融合权重，优化融合效果。实验结果证明了这种方法相对于单纯使用Contourlet变换的优势，以及不同窗口函数在融合规则中的优越性。" 本文提出了一种创新的图像融合技术，它结合了小波变换和Contourlet变换的优势，以减少Contourlet变换过程中的信息冗余。Contourlet变换是一种多分辨率分析工具，能有效处理图像的边缘和轮廓信息，但在拉普拉斯金字塔分解中可能存在冗余。为了解决这一问题，作者引入了小波变换，形成小波-Contourlet变换，这可以提供更精细的频率分解，有助于更好地保留图像细节。 算法的核心在于利用不同窗口函数计算图像的高频和低频分量的区域能量，这有助于识别图像的重要区域。然后，通过归一化权值对小波-Contourlet系数进行加权，这些权重反映了图像各部分的重要性。这样，融合过程更加侧重于包含重要信息的区域，从而提高了融合图像的质量。 实验部分对比了小波-Contourlet变换与Contourlet变换在相同融合规则下的表现，结果显示前者的性能更优。此外，通过比较基于不同窗口函数的融合规则，发现这些方法相比于均值窗口函数和传统的低频取均值、高频取最大值的融合规则，能获得更佳的融合效果。论文中提到了一些客观评价指标，如均值、方差、熵和交叉熵，这些指标的改善进一步证实了所提算法的有效性。 这项工作为图像融合领域提供了一种改进的策略，通过优化Contourlet变换并结合小波理论，提高了图像融合的质量，特别是在保持细节和减少信息冗余方面。这对于图像处理、计算机视觉和遥感等领域具有重要的理论和实际意义。