提升小波变换多尺度积融合算法：抑制噪声与优化视觉效果

"本文介绍了一种新的多聚焦图像融合算法，该算法利用提升静态小波变换（LSWT）和多尺度积，同时结合局部可见度和局部视觉特性对比度的概念，旨在有效抑制噪声并提高融合图像的视觉效果。实验结果显示，这种方法在保持图像细节和清晰度的同时，能获得优于传统融合算法的性能。" 正文: 在信息技术领域，图像融合是一项重要的技术，广泛应用于医学成像、遥感、视频监控等多个场景。传统的多尺度图像融合算法虽然能在一定程度上处理多源图像，但在面对噪声干扰时往往表现不足。针对这一问题，研究人员提出了基于提升静态小波变换的多尺度积视觉特性融合算法。 提升静态小波变换（LSWT）是一种改进的小波变换方法，它通过逐步构建小波系数来实现信号的多分辨率分析，具有更好的频率局部化和时间局部化特性。在LSWT域中进行图像融合，可以更好地捕捉图像的细节信息，并在不同尺度下分析图像特征。 本文提出的融合算法引入了两个关键概念：局部可见度和局部视觉特性对比度。局部可见度考虑了人类视觉系统对图像不同区域的敏感程度，有助于确定哪些区域应被优先保留或增强。而局部视觉特性对比度则关注图像中的亮度和色彩变化，以提升视觉效果。 在融合过程中，对于低频子带系数，算法依据局部可见度选择融合策略，强调图像的整体结构和连续性；而对于高频子带系数，采用基于多尺度积的局部视觉特性对比度策略，侧重于保留和增强图像的边缘和细节。这种分层处理方式有助于在抑制噪声的同时，确保融合图像的清晰度和细节丰富度。 实验结果证明，该算法在实际应用中表现出色，不仅有效地抑制了噪声对融合结果的影响，而且在视觉效果上优于传统方法。量化指标的提升进一步证实了算法的有效性，这包括对比度、锐度、均匀度等关键参数的改善。 基于多尺度积视觉特性的多聚焦图像融合算法提供了一种新的思路，通过结合提升小波变换的优良特性以及对人眼视觉系统的深入理解，实现了噪声抑制和图像质量的双重提升。这一创新技术有望在图像处理领域带来更为精确和真实的图像融合结果，从而推动相关应用的发展。