NSST与SR结合的图像融合算法在MATLAB中的实现与应用

需积分: 17 9 下载量 97 浏览量 更新于2024-08-05 3 收藏 15KB MD 举报
本文主要探讨了多种图像融合算法,包括基于非下采样Contourlet变换(NSCT)、离散小波变换(DWT)和拉普拉斯金字塔算法的超分辨率(SR)图像融合方法,并重点介绍了基于NSST与SR相结合的新型融合策略。文章还涉及了图像融合的客观质量评价指标选择的研究。 图像融合是一种关键技术,它能够整合来自不同传感器的数据,提高图像的细节、对比度和信息含量,广泛应用于遥感、军事和医疗等领域。在当前的图像融合研究中,稀疏表示方法占据主导地位,包括多尺度分解和冗余字典分解。然而,这两种方法各自存在局限性,因此寻求更高效的融合方法是研究的关键。 本文深入研究了基于多尺度分解的图像融合,比较了DWT、CVT、NSCT和NSST。NSST因其良好的方向选择性和亚像素精度而在多尺度融合中表现出优势。同时,研究了基于分支字典的SR方法,显示了其在提升融合系统鲁棒性方面的潜力。 作者提出了一种新的融合算法,该算法结合了NSST和SR的优点。首先,图像通过NSST进行多尺度分解,然后在低频部分应用学习到的字典,利用SR方法进行融合;在高频部分,根据区域能量的显著性进行融合。最后,通过NSST的逆变换恢复得到融合图像。这种融合策略在多聚焦图像、红外与可见光图像以及医学图像的实验中,显示了其优越性。 此外,文章还关注了图像融合的客观评价指标选择问题。提出了一种基于相关性和一致性的指标集选择方法,通过对不同条件下的图像进行分析,确定了适用于多聚焦图像融合的客观评价指标集合。 该研究不仅提供了新的融合算法,而且强调了融合质量评价的科学性,对于推动图像融合领域的理论发展和技术应用具有重要意义。