基于结构相似性的新型图像融合规则

"本文提出了一种基于结构相似性指数（Structure Similarity Index，SSIM）的新型图像融合规则——‘方差-选择最大’。通过K-SVD基础训练算法和正交匹配追踪（Orthogonal Matching Pursuit，OMP）算法获取源图像块的稀疏表示。然后，根据每个图像块对的SSIM将图像块分为相关块和独立块。最后，分别使用'系数-选择最大'规则和新的'方差-选择最大'规则融合相关块和独立块的对应稀疏系数。实验结果显示，该方法在融合图像的视觉质量和客观指标上表现出良好的性能。关键词包括：图像融合、结构相似性指数、相关块和独立块。" 在图像处理领域，图像融合是一种技术，它将来自不同传感器或不同成像条件的多源图像信息结合在一起，以生成包含更多有用信息的单一图像。本研究的焦点在于利用结构相似性指数（SSIM），这是一个评估图像质量的度量标准，特别是在对比度、亮度和结构保持方面。SSIM不仅考虑了像素值的差异，还考虑了图像局部结构的信息，因此更适合于评价图像的视觉效果。 K-SVD（Kernel-Based Sparse Representation Classification）是一种基础训练算法，用于学习图像数据的稀疏表示。在图像融合中，稀疏表示有助于提取源图像的关键特征，这些特征在后续的融合过程中起到关键作用。正交匹配追踪（OMP）算法则是一种寻找稀疏表示的快速方法，它可以有效地找到一组基向量，使得源图像能够在这些基上被高效地表示。 文章提出的新融合规则——'方差-选择最大'，是基于源图像块的SSIM值来区分相关块和独立块。相关块是指在结构和内容上有较大相似性的图像块，而独立块则代表了具有独特信息的部分。对于相关块，使用'系数-选择最大'规则，可能是为了保留共同的结构信息；而对于独立块，则应用'方差-选择最大'规则，这可能旨在最大化信息的多样性，从而增强融合图像的细节和丰富性。 实验结果证明了这种方法的有效性，无论是在人眼直观的视觉效果，还是在常用的客观质量评估指标上，如PSNR（峰值信噪比）和SSIM本身，该方法都能提供优秀的性能。这意味着，通过结合SSIM的局部结构分析和创新的融合规则，可以实现更高质量的图像融合，这对于遥感、医学成像、视频监控等多个领域都有重要的应用价值。