提升静态小波变换在多聚焦图像融合中的新方法

“论文研究-提升静态小波特征对比度多聚焦图像融合算法.pdf”这篇论文主要探讨了如何解决多聚焦图像融合的问题，提出了一种基于提升静态小波变换（LSWT）的新型图像融合方法，重点在于利用特征对比度的概念来优化融合效果。 在图像融合领域，多聚焦图像融合是常见的挑战，目标是将不同焦距下的图像信息有效地整合到一张融合图像中，以提供更全面、清晰的视觉效果。传统的融合方法可能无法充分利用图像的细节信息，而这篇论文引入了提升静态小波变换（LSWT），这是一种更高效的小波分析方法，能够更好地处理图像的频率成分。 论文的核心创新点在于对不同子带系数采用了不同的融合策略。在低频子带部分，研究者提出了基于改进拉普拉斯能量和的视觉特性对比度系数选择方案。拉普拉斯能量和通常用于检测图像边缘和结构，通过改进这一指标，可以更准确地评估和保留图像的全局结构信息，从而提高融合图像的视觉质量。 对于高频子带，考虑到人眼对图像局部对比度的变化非常敏感，论文提出了局部特征对比度的概念。这个概念强调了在高频信息融合时，应当重视局部区域的对比度增强，以突出细节并增强图像的层次感。通过设计基于局部特征对比度的系数选择方案，可以确保融合后的图像具有更高的局部信息保真度。 实验结果显示，与传统的图像融合方法相比，该算法能够生成视觉效果更佳、量化指标更优的融合图像。这表明，结合了提升静态小波变换和特征对比度的融合策略更符合人眼的视觉感知，能够有效提升图像融合的质量。 关键词包括：图像融合、提升静态小波变换、特征对比度、改进拉普拉斯能量和。这篇论文的发表得到了国家自然科学基金和重庆市科技攻关项目的资助，作者来自重庆大学数学与统计学院，研究方向集中在信息融合理论及其应用。 这篇论文提出的融合算法为多聚焦图像融合提供了一个新视角，通过提升静态小波变换和特征对比度优化，改善了融合图像的视觉效果和性能指标，对于图像处理和计算机视觉领域的研究具有重要意义。