NSST与SR结合的图像融合算法在MATLAB中的实现与应用

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。