结合区域特性的有限离散剪切波图像融合

计算机工程与科学

结合区域特性的有限离散剪切波图像融合

陈清江，张彦博，柴昱洲，魏冰蔗

（西安建筑科技大学理学院，陕西西安 710055）

收稿日期:2015-08-31 修回日期:2015-12-07 出版日期:2017-02-25 发布日期:2017-02-25
基金资助:
国家自然科学基金(61403298);陕西省自然科学基金（2015JM1024）

Image fusion based on area characteristics

in finite discrete shearlet domain

CHEN Qing-jiang,ZHANG Yan-bo,CHAI Yu-zhou,WEI Bing-zhe

（College of Science,Xi’an University of Architecture and Technology,Xi’an 710055,China）

Received:2015-08-31 Revised:2015-12-07 Online:2017-02-25 Published:2017-02-25

摘要/Abstract

摘要：

为了提高多聚焦图像和红外与可见光图像的融合精度，结合有限离散剪切波变换具有良好的局部化特性及平移不变性，提出了一种基于有限离散剪切波变换(FDST)的图像梯度信息相关性因子加权与对比度相结合的融合算法。首先对严格配准后的图像进行FDST分解，得到低频子带系数和不同尺度不同方向的高频子带系数；然后对低频子带系数采用图像梯度信息相关性因子加权融合算法，高频则利用对比度将低频系数与高频系数联系起来并以对比度作为度量系数取舍的准则进行融合；最后应用有限离散剪切波逆变换重构得到融合图像，并对融合结果进行主观视觉和客观评价。实验结果表明，该算法在主观视觉效果和客观评价指标上优于其它融合算法。

关键词: 图像处理, 图像融合, 有限离散剪切波变换, 平移不变性, 对比度

Abstract:

In order to improve the accuracy of multi-focus image and infrared visible image fusion, based on the advantages of the good localization and shift invariance of the finite discrete shearlet transform, we propose a new image fusion algorithm, called FDST, which combines contrast with image gradient information correlation factor. Firstly, the FDST decomposes the registration images, and obtain the low frequency sub-band coefficients and high frequency sub-band coefficients of different scales and directions. The fusion principle of low frequency sub-band coefficients bases on the method of image gradient information correlation factor for weighting. The high frequency sub-band coefficients combine the high frequency and low frequency sub-band coefficients with contrast, and uses contrast as the criterion for choosing metric coefficients which is taken as the fusion rule. Finally, the low frequency information and high frequency information are reconstructed to obtain a fused image by the finite discrete shearlet inverse transform, and both subjective visual evaluation and objective performance assessments of the fusion results are implemented. The results indicate that the algorithm is superior to other fusion algorithms in subjective visual effects and objective evaluation.

Key words: image processing, image fusion, finite discrete shearlet transform, shift-invariant, contrast

陈清江，张彦博，柴昱洲，魏冰蔗 . 结合区域特性的有限离散剪切波图像融合[J]. 计算机工程与科学.

CHEN Qing-jiang,ZHANG Yan-bo,CHAI Yu-zhou,WEI Bing-zhe.

Image fusion based on area characteristics

in finite discrete shearlet domain

[J]. Computer Engineering & Science.

[1]	陈海永, 吕承杰, 杜春, 陈鹏. 孪生注意力门控融合的遥感图像变化检测编解码网络[J]. 计算机工程与科学, 2023, 45(09): 1593-1601.
[2]	马冬梅, 黄欣悦, 李煜. 基于特征融合和注意力机制的图像语义分割[J]. 计算机工程与科学, 2023, 45(03): 495-503.
[3]	王杨, 隆海燕, 贾曦然, . 基于人眼色彩差异化感知的图像质量评价研究[J]. 计算机工程与科学, 2023, 45(02): 295-303.
[4]	刘从军, 徐佳陈, 肖志勇, 柴志雷. 基于深度学习的心脏核磁共振图像自动分割算法[J]. 计算机工程与科学, 2022, 44(09): 1646-1654.
[5]	李一, 李阳, 苗壮, 王家宝, 张睿. 一种扩展VIFB的红外与可见光图像融合基准[J]. 计算机工程与科学, 2022, 44(06): 1072-1082.
[6]	刘榕, 伍欣, 敖斌, 文青, 李宽. 用于CD56图像分割的细胞标注精细化与自适应加权损失[J]. 计算机工程与科学, 2022, 44(05): 870-878.
[7]	张丽霞, 曾广平, 宣兆成. 多源图像融合方法的研究综述[J]. 计算机工程与科学, 2022, 44(02): 321-334.
[8]	张贵仓, 王静, 苏金凤. 改进稀疏表示与积化能量和的多聚焦图像融合[J]. 计算机工程与科学, 2022, 44(01): 124-131.
[9]	张丽霞, 曾广平, 宣兆成. NSST域下SPCNN与SR结合的多源图像融合[J]. 计算机工程与科学, 2020, 42(11): 2042-2049.
[10]	张贵仓, 苏金凤, 拓明秀. DTCWT域的红外与可见光图像融合算法[J]. 计算机工程与科学, 2020, 42(07): 1226-1233.
[11]	王杨1,2，向秀梅1,2，卢嘉1,2，郁振鑫1,2. 基于双目融合的无参考立体图像质量评价[J]. 计算机工程与科学, 2020, 42(03): 510-516.
[12]	左宪禹1,2，张哲1,5，黄祥志4,5，葛强1,2，张理涛3，臧文乾4,5. 一种适用于GPU图像处理算法的合并存储结构[J]. 计算机工程与科学, 2020, 42(02): 197-202.
[13]	陈凯峰，梁鉴如. 用于图像处理的FPGA存储器优化分配[J]. 计算机工程与科学, 2019, 41(11): 1924-1929.
[14]	苏金凤，张贵仓，汪凯. 图像差与加权核范数最小化的压缩图像融合[J]. 计算机工程与科学, 2019, 41(10): 1785-1794.
[15]	严春满，郝有菲，张迪，陈佳辉. 混合特征下最优阈值预测的图像匹配[J]. 计算机工程与科学, 2019, 41(10): 1803-1808.