摘  要： 随着科学技术的飞速发展，越来越多的传感器应用于各个领域。图像融合就是利用各种成像传感器不同的成像方式，提供互补信息，增加图像的信息量，提高对环境的适应性，以获得更可靠、更准确的信息供观察或进一步处理。该技术被广泛应用于军事、医学、遥控、机器视觉、目标识别等领域。  

   最早提出的像素算术平均的图像数据融合方法忽略了像素间的相互关系，使得融合后的图像对比度很差，为了提高目标检测的分辨率，抑制每个传感器的检测噪声，现提出一种基于小波变换的图像数据融合新方法。在图像分解的高频域内，选择多源图像邻域平均绝对值较大的系数作为重要小波系数；在低频域内，新的逼近系数通过对多源图像的逼近系数进行加权平均得到，然后利用重要小波系数和加权逼近系数进行小波反变换，即可得到融合之后的图像。

    实验结果表明，基于小波变换的图像数据融合方法具有良好的效果，并可用于广泛的研究邻域。

关键词：小波变换；图像融合；多分辨率分析

 

Based on the wavelet transform of the image fusion technology

Abstract: With the rapid development of science and technology ,more and more sensors have been used in various fields．In order to obtain more reliable and accurate information for observation or further processing，image fusion can provide complementary information，increase the amount of information ,and improve the adaptability of the environment by using imaging sensor of different imaging modalities． 

Existing algorithm for image data fusion are not quite satisfactory for object detection. In order to improve the resolution of target and suppress the detection noise of each sensor , a new algorithm for image data fusion based on wavelet transform is presented. By decomposing the image with wavelet transform, wavelet coefficients and approximation coefficients at different scales are obtained. We took those coefficients with larger absolute value in-between the multi-resolution images as the important wavelet coefficients and computed the weighted mean value of the approximation coefficients. And the fused image can be obtained by using the inverse wavelet transform for the important wavelet coefficients and the weighted approximation coefficients. 

Experimental results show that the image data fusion method on wavelet transform is very effective and can be applied to wide research fields.

Key words: wavelet transform; image data fusion; multi-resolution analysis

 

目录

1 引言 1

2 小波变换的基础理论 2

2.1 小波变换概要 2

2.1.1 小波变换 3

2.2 多分辨率分析 3

2.3 小波和小波变换的基本概念 4

2.3.1 小波和小波变换 4

2.3.2 连续小波变换 4

2.3.3 离散小波变换 6

2.4 小结 7

3 图像的小波变换 8

3.1 二维离散小波变换 8

        3.1.1 算法基础 8

3.1.2 适应于应用环境的快速算法 9

3.1.3 小波系数的显示 11

3.2 图像小波变换的频率特性 12

3.2.1 小波系数的频域分布 12

3.2.2 基于小波变换的图像滤波处理 13

3.3 小结 13

4 基于小波变换的图像融合方法 14

4.1 图像融合的基本概念 14

4.2 利用小波变换实现图像的融合 14

4.2.1 小波变换实现图像融合的基本思想 14

4.2.2 融合的基本算法 15

一般方法 16

PCA算法 16

金字塔（Pyramid）算法 17

小波变换（DWT）算法 17

4.2.3小波变换图像融合的步骤 17

4.2.4小波系数的融合判决 18

4.2.4 实验结果 19

5 实验部分 19

5.1 图像融合结果的评价标准 20

5.1.1 基于信息量的评价 20

5.1.2 基于统计特性的评价均值 21

5.1.3 基于信噪比的评价 22

5.1.4 基于梯度值的评价 23

5.2 实验仿真结果与分析 23

5.2.1 MATLAB程序设计 23

5.2.2 不同算法的图像融合的效果比较（此实验皆是利用MATLAB软件仿真得到的结果。） 27

5.2.3 不同算法的图像融合的性能比较 30

5.2.4 仿真结果分析 31

6 结论与展望 32

致 谢 32

[参考文献] 34
************************************************************************

1 结论与展望

    本文围绕着对小波变换图像融合的研究做了以下工作：
    对基于互信息测度的图像配准算法进行了探讨，给出了一种基于小波变换和
互信息测度的图像配准算法。
    在多传感器图像融合中，改进了基于局部方差和小波变换的多传感器图像融
合算法以及基于平均梯度和小波变换的图像融合算法。在多聚焦图像融合中，提
出了一种基于对比度和小波变换的图像融合算法。实验结果表明本文的算法可以
获得更好的融合效果。
    虽然本文对图像融合进行了一些研究和改进，但是由于水平和时间有限，还
有很多问题值得研究：
    1．本文只谈到了图像融合中的配准和融合问题，在图像配准之前的图像的预处
理如图像的增强、滤波等也很值得研究。
    2．本文只探讨了基于互信息的图像配准算法，但是它只能用于一般的刚体变换
和仿射变换，而不能解决图像配准中的局部扭曲，这需要对基于特征的图像配准
方法进行研究。另外，基于互信息的图像配准方法虽然经过众多的研究，但是配
准速度还是很慢，这也有待于进一步研究。
    3．在图像融合的问题中，本文只基于小波变换对图像融合进行了研究，如何基
于更先进的小波如Contourlet变换完成图像的融合，还有很多问题值得研究。
4．本文中的实验均采用了matlab编程语言完成，下一步可以用VC++语言完成
包含图像预处理、图像配准和图像融合的系统，方便以后的试验和应用包含图像预处理、图像配准和图像融合的系统，方便以后的试验和应用。
*************************************************