多尺度分解下的有效图像融合规则优化

本文主要探讨了在多尺度分解框架下改进的图像融合规则设计，由李晖晖教授发表在西北工业大学自动化学院。图像融合作为一种广泛应用的技术，尤其是在红外与可见光、毫米波与可见光等具有显著光谱差异的图像处理领域，传统的融合策略如低频系数取平均和高频系数取绝对值较大往往无法达到理想的效果。 文章指出，多尺度分解技术，如金字塔变换、小波变换、Ridgelet变换、Curvelet变换和Contourlet变换，因其在不同尺度、分辨率和分解层次上的操作，能够提供更精细的图像特征融合，相较于传统方法，它在融合效果上有显著提升。然而，针对特定类型的图像融合，例如红外与可见光或毫米波与可见光的融合，由于光谱特性复杂，简单的融合规则往往无法适应这些场景，需要更为精细的规则设计。 作者针对这类问题，提出了新的融合规则。首先，在多尺度分解过程中，对于低频系数，利用区域能量的概念来设计相关阈值，目的是有效提取图像中的关键目标，这些目标可能因为光谱差异而在不同的传感器图像中存在明显的对比。其次，对于高频系数，维持原有的绝对值取大的规则，以保持图像的细节信息，确保融合后的图像既包含主要目标，又保留了丰富的纹理细节。 实验结果显示，这种基于小波变换和多尺度几何分析Curvelet变换的融合规则设计取得了显著的优化效果，能够在保持图像质量的同时，更准确地融合不同光谱的图像信息。因此，该研究不仅提升了图像融合的性能，也为处理具有复杂光谱特性图像提供了新的理论支持和技术手段。这对于许多应用，如遥感、计算机视觉和图像增强等领域都有着重要的实际意义。