基于小波变换的图像融合技术研究

（ 海海事大学 ， 卜 ２ ０ ３ ） 上 海 ０ １５
摘要 ： 出了一种基于小 波变换的融合算法， 提 算法针对小波变换后的低频分量和高频分量的不同特点，
选用 了不同的准则进行融合，通过小波逆变换得到融合图像。实验结果表明，这种算法充分考虑 了小 波 变换 的特 点和人 眼视 觉特性 ， 具有增 强 图像 的空 间细节 能力 ，融 合效果 良好 。 关键 词 ： 图像 融合 ；小 波分解 ；视 觉特 性 ；梯度 算 法； 阈值
所示 。
变换 、Ｐ Ａ法和 小波 变换 等方 法 。从 实施 过程 的灵 活 Ｃ
中图分类号 ：Ｔ ３ １ Ｐ ９ 文献 标识 码 ：Ａ 文章编 号 ：１ ０ ８ １ ０ ７０ —４ ５０ ０ １８ ９ （ ０ ）８０ ５ —４ ２
Ａ ｍ ａ ｅ Ｉ ｇ ｓＦｕｓｏ ｌ ｏ ｉｈｍ ｓ ｄ ｏ ａ ｅｅ ａ ｆ ｒ ｉ ｎＡ ｇ ｒｔ Ｂａ ｅ ｎＷ ｖ ｌｔＴｒ ｎｓｏ ｍ
其分 解重 构实 际是 一个 高通和 低通 滤波 的过 程 ，仍 在
一
定 程度 丢失 了原 始 图像 中的一 些边缘 信息 ，从 而使
发 了世 界 范 围 内对 多传 感 器 信 息 融 合研 究 的普 遍 关 注 【。 中作为 当代三 大成 像 系统 （ Ｊ其 Ｊ 雷达 成像 系统 、工 业 电视 成 像系统 、红外 成 像 系统 ） 一 的红 外成 像 系 之 统 中的相 关技术 研 究也很 广泛 和深 入ｌ。 ２ Ｊ
Ｘ Ｕ ａ— Ｋ ｉｙｕ， ＬＩＳｈ ａ ｇ— ｉ ｕ ｎ ｙ
（ｈ ｎ ｈ ｉ Ｓ ａ ｇ ａ ｒｔ ｉｅ ｓｔ， ｈ ｎ ｈ ｉ ０ １ ５ Ｃ ｉ ａ） Ｍａ ｉ ｍｅ Ｕｎ ｖ ｒ ｉ Ｓ ａ ｇ ａ ０ ３ ， ｈ ｎ ｉ ｙ ２

多模态图像融合算法的研究与实现在现实生活中，我们经常会遇到需要处理多模态图像的应用场景，例如医学影像、安防监控等。

然而，不同模态的图像往往具有不同的特征和表达方式，如何将它们有效地融合起来，使得最终的结果更加全面、准确，成为了一个研究热点。

本文将介绍多模态图像融合的基本原理、常见算法及其实现。

一、多模态图像融合的基本原理多模态图像融合是指利用多种图像数据源，采用合适的算法将它们融合为一幅图像，以达到更好的图像质量和信息完整性的处理方法。

具体来说，多模态图像融合的基本原理是：通过将不同来源的图像的信息融合到一起，来得到一个更全面、更准确、更易于观察和分析的图像。

这是因为，不同来源的图像往往有其自身的优点和局限性，融合起来可以互补其缺陷，提高图像的质量和准确度，使得我们能够更全面地了解事物。

二、多模态图像融合的常见算法1. 基于加权平均的融合算法基于加权平均的融合算法是较为基础的融合算法之一。

其基本原理是将来自不同模态的像素值按照不同的权重进行加权平均，得到最终的融合图像。

其中，不同模态图像的权重可以自行设置或根据实际应用场景进行优化。

该算法实现简单，但对图像的质量和准确性要求较高。

2. 基于小波变换的融合算法小波变换是一种用于图像处理和分析的重要方法。

基于小波变换的多模态图像融合算法首先将不同模态的图像分别进行小波变换，然后在小波域中进行加权融合，最后再进行逆小波变换得到最终的融合图像。

该算法适用于不同模态图像分辨率和特征尺度差异较大的情况，可以提高图像的清晰度和细节。

3. 基于深度学习的融合算法深度学习是一种能够自动学习特征表示的机器学习方法。

基于深度学习的多模态图像融合算法首先将不同模态的图像进行卷积神经网络训练，学习不同模态图像之间的语义关系，然后通过网络输出得到最终的融合图像。

该算法不仅能够提高融合图像的质量和准确性，还能够自动学习特征表示，实现端到端的图像融合任务。

三、多模态图像融合的实现多模态图像融合的实现，常采用图像处理工具包和编程语言来实现。

数 的表示 ， ｘＬ（ ） （） ， ｘ满足允许条件 ： Ｒ 且 （）
ｃ 』
＋ 。 ｏ
Ｖ＝ｐｎＯ —ｊ Ｊ （ｎ （１ｄ＝ ｏｓ ｛ ｘ ｝ ｔ ）ｔ Ｉｘ８ ａ （ｎ ， — 一 ） Ｔ
…多 分 辨 率 的定 义 町以 看 ｝ ＇ 何 的 闭 ｌ Ｉ所 ｛ 『 ｛ ∈Ｚ ｖ ：
通过 实验 比较 了
小 波 变换 在 数 字
种 像数据难 以满足 实际需求 。为 了对观测 目标有 ‘ 个更 全 面、 清晰 、 准确 的理解 和认识 ， 人们迫切 希望寻求 ‘ 种综 合
利 用 各 类 图 像 数 据 的 技术 方法 。 与单 源 图像 相 比 多源 图 像 融
，
式 中 的 ａ足伸 缩 系 数 ， 称 尺 度 冈 子 。ｂ为 移 ｒ， 又 ｘ称 为 由母 函数 （） 成 的 连 续 小波 ） ｘ生 数 ，
』式 中 【 足 （） Ｆ ｕｉ 变换和反变换， ｘ为基本 （ ） １ ） ｘ的 ｏ ｒ ｒ ｅ （） 小波函数或者小波母 函数 。 ｔｘ足够正则时， 当 ｌ） ， （ 例如： ｘ ∈Ｌ （） （ ） ２ ） Ｒ ｎＬ（ 时就足够 正则 ， Ｒ 允许条 件意 味着 小波 函数均值 为
５ — ６
一
应用 技 术茸 研 究
结果分析： ３中（） ） ） 平 硐 内壁 左 壁 的 幅 连 续 的展 开 ， ａ（ （ 是 ｂｃ 按 理 的结 合 将 使 信 、 图像 处 理进 入 史高 的层 次 。
参考文献：
［】 东健 ． 字 图像 处理 ［ ． １何 数 Ｍ】西安 ： 西安 电 子 科技 大 学 出 版社 ，０ ３ ２ ０
ｓ ｎｂｓｄ ｎｔｗ ｒ ｅｏ ｐ ｓｉ ， ｇ ｓ ｎ ａｅ ｎｗ ｖｌｔ ａ ｓ ｒ ａｉ ） ｎ ｅ ｄｒ ｈ ｌｏ ｉ Ｅ ｐｒ ｎａ ｒｓｌ ｏ ｉ ａｅ ｅ ｃ ｍ ｏｉｏ ｉ ｅｕｉ ｓｄｏ ａ ｅ ｎｆｍ ｔ ｎ ｏ ｆａ ｇ ｔ ｌ ｆ ｄｔ ｘ ｅ ｍｅｔｌｅｕｔｓ ｗ ｏ ｏ ｏ ｄ ｔ ｎ ｍａ ｆ ｏ ｂ ｅｔ ｒ ｏ ｏ ｌｔ ｎ ｉ ｗａ ａ ． ｉ ｓｈ

Ｓ ｉｎ ｅ ， ｅ ｉｇ １ ０ ３ Ｃ ｉ ａ ｃｅ ｃ ｓ Ｂ ｉ ｎ ０ ０ ９， ｈｎ ） ｊ
李 剑 ，张覃平
（． １ 中科 院 光 电技术研 究所 ， 成都 ６ ０ ０ ； ． 国科 学 院 研究 生院 ，北京 １ ０ ３ ） １２９ ２ 中 ０ ０ ９
摘 要 ： 出 了一 种针 对 可 见 光 和 红 外 图像 实 时 融 合 的 系 统 。 该 系统 由 提 成 像和 图像 处 理 两 部分 组 成 。 其 中 ， 像 部 分 使 用 同 一 孔 径 以 减 少 视 成 差 效应 。 采 用 分光 器 以使 同 一光 路 光 分 别 在 红 外 和可 见 光 传 感 器 上 并 成 像 。 在 图 像处 理 部 分 。 先 对 两 路 图像 进 行 配 准 、 首 同步 处 理 。 后 在 然 Ｆ ＧＡ 内部 实 现 了一 种 基 于 小 波 分 析 的 图像 融 合 方 法 ， 现 了 对 两 路 Ｐ 实 视 频 图 像 实 时进 行 融 合 。 和 Ｍａｌｂ中双 精 度运 算 结 果 相 比 ， 系统 的 ｔ ａ 该 输 出结 果 可 达约 ４ ｄ ３ Ｂ的 信 嗓 比 。 足 实 际 的 工 程应 用 。 满 关 键 词 ：红 外 图像 ；图 像融 合 ；实 时 系统 中图 分类 号 ： Ｐ ９ Ｔ ３１ 文献 标 识 码 ： Ｂ
究 生 院 ，０５，１ ２０ ｌ．
［ ］Ｈａａｃ Ｍ ｉｇｓ ｎ ａｌ ｓ ｎｄｇａ ｉ ｇｓＪ ．Ｃｍｐｔ ８ ｒｌｋＲ Ｒ ｄｅ ｄｖｌｙ ｉｔ ｅ ［］ ｏ ｕ— ｉ ａ ｅ ｏ ｉｌｍａ
ｅ ｉｏ ｒｐ ｉ ｎ － ａｅＰｏｅｓ ｇ１８ ，２ １ ：８３ ． ｒＶｓ ｎＧ ａｈｃ ａｄＩ ｇ ｒｃｓｉ ，９ ３ ２ （）２ －９ ｉ ｓ ｍ ｎ

张 琴
（ 北 第二 师范 学院 物 理与 电子 工程 系，武 汉 ４ ００ ） 湖 ３２５
摘要 ： 文提 出了一种新 的基 于小波变换 的融合 算法。此算 法简单 易行 ， 本 既保 留了图像 的边缘特性和 多聚焦 图像 的
对比度特性 ， 又有效地对 两幅 多聚焦 的图像 进行 了融合。通过 实验及 结果分析 ， 对这 些方 法保 留图像 的边缘特征 和
分解 ， 到不 同频 率的子 图像 。 得
波变换系数 的幅值 随着 分解层次 的变化提供 原始 图像 灰度 的 局部变化特性 ， 为不 同传感器图像融合提供了有利条件 。
２ 小 波 与小 波 变 换
定义在实直线 Ｉ ：（一 ， ） Ｒ： 上的可测函数，的空间
（Ｒ） 函数，满足 ：ｆＩ（） ｔ 。 ［ 空间 （ 的 内积 与 Ｉ ， － ｆ ｔ Ｉ ＜。 。４ ｄ 鹏）
和决策级 融合 。２ 【 小波变换 是一种崭新 的时域／ 频域 信号分析 工具 ， 它起 源
和经整 数 平移所生成的 函数族 ｛ “（） 。 ｔ ｝ 离散小波变换 （，）＝ ￡ ｚ 是关 于频率指标 ｋ ， ） （） ．
ｔ 是一 带通 函数 ， 它的小 波变 和平移指标 ｋ的函数 。小波 （）
换在频域方面的局部化作用 由． 『 调节 ， 时域方面 的局部 化作 在 用 由 ｋ调节 。信号经 小波变换后表 现为不 同子频带分 量之 和 ， 对原信号的局部 时 一频分析就 表现为对那 些描述 子频带 的时
域分量的分析 。反应低频 的局部 分析应表现于 反应低频 的子
频谱 特性 ， 没有 时 一 局部 化功 能。 频 Ｉ 小波分 析在 Ｆｕｅ 分 ３ ｏｒｒ ｉ
对数据处 理程 度的不 同 ， 得融合 系统 可在 不 同层 次上 对 多 使

关键 词 ： 小波 变换 ； 里 叶 变换 ； 傅 图像 融合
中图分 类号 ：Ｎ ５ ．１ Ｔ ９ ７５
文献标 志码 ： Ａ
文章 编号 ：０ ９０ ０ （００ ０ － ６ －４ １０ －４ １ ２ １） １ ０ ７ ０ ０
Ｔ ｅ ｓｕ ｙ ａ ｄ ｉ ｌ ｍｅ ｔｔｏ ｆｒ ｄ ｒ ｖ ｄ ｏ ｆ ｓｏ ｌ ｏ ｉ ｍ ｈ ｔ ｄ ｎ ｍｐ ｅ ｎ ａ ｉｎ ｏ ａ ａ ｉ ｅ ｕ ｉ ｎ ａ ｇ ｒｔ ｈ
Ｋ ｅ ｗｏ ｄｓ：ｗａ ｅ ｅ ｒ ｎ ｆｒ ； Ｆ ｕ ｉ ｒｔａ ｓｏ ｍ ；ｉ ａ ｅ ｆ ｓｏ ｙ ｒ ｖ ｌｔｔａ ｓｏ ｍ ｏ ｒｅ ｒ ｎ ｆｒ ｍ ｇ ｕ ｉｎ
１ 引 言
近 年来 ， 多个 雷 达 视 频 同 时传 输 至 同一 终 端 进 行 显示 与数 据处 理在 硬 件技 术 与软件 技术 上 都 已能够 实 现 。 目前 ， 雷达 视频 的 显示 主要 还 是 简 单 的叠 加 显 多
傅里 叶变换 是 可逆 变 换 中 的一 种 ， 即逆 变 换 能 通
过 与正变 换 相 同的方 法从 信 号 的变换 表达 中完 全恢 复 出原 始信 号 。但 是 ， 里 叶 变换 的缺 陷在 于 时 域 与频 傅
域 的联系 因 为数 学 变 ቤተ መጻሕፍቲ ባይዱ 而 缺 失 。在 时 域 表示 中 ， 能 不
摘
要： 近年 来 ， 通过 多雷达视 频 的 融合 显示 来提 高显 示 效 果 已成 为 一 种趋 势 ， 中图像 融 合 其
技 术是 多雷达视 频 融合 显 示的基 础 。为 了提 高 目标检 测 的 分辨 率 ， 制 每 个 传 感 器 的检 测 噪 抑
声 ， 文介 绍 了一种 基 于 小波 变换 的 图像数 据 融合 方 法 ， 应 用到 雷达视 频 融合 显 示 中去 。 本 并

色变换 ， 离出强度 ， 色度 尺和饱和 度 ． 然后将高分辨 分 、 ｓ，
中一维 ＭＲ Ａ的尺度 函数为 （ ， ）其对应 的正交小波基为
（ 。 ）则对于 Ｌ （ ， Ｒ ）定义 （ ） Ｅ Ｚ是 Ｌ （ 的二 维 Ｒ ） 可分 ＭＲ 依据 张量积理 论 ， Ａ， 其相应 的 尺度 函数 为 （ ，
的融合效 果。
有较高的光谱 和空间分辨率 ， 提高 了图像的视觉 效果 、 图 像特征识别 的精度和分类精度 。
本文选 择 了某 地 区 的 ＳＯ Ｐ Ｔ全 色 （０ｍ分 辨率 ） １ 和 ＬｎｓｔＭ（０， － ａｄａ Ｔ ３ Ｗ 辨率 ） 光谱遥 感数 据 ， Ｊ 多 采用 ＩＳ融 合 Ｈ
Ｖｏ ． ２ Ｎｏ． １１ ８
Ａｕ ， ０ ６ ｇ． ２ ０
基 －ｘ ＇ Ｉ
多 传 感 － ｇ ｇ遥 感 影 像 融 合
熊明 清
（ 江西省 电力设计 院， 南昌 ３００ ） ３０６
［ 要］ 遥 感信 息融合是 遥 感数 据 处理 的 重要 研 究 内容 之 一。 在给 出小 波分 解 基 本模 型 的 摘 基础上 ，采用 Ｉ Ｓ融合 法 、 Ｈ 小波 变换 法对 Ｓ Ｏ Ｐ Ｔ全 色卫 星影 像数 据 和 Ｌ ｎｓｔＭ 多光 谱数 据进 ａ ｄａ Ｔ
法、 小波变换法对这两种数据进行 了融合 处理 ， 同时进行
设 （ ） Ｅ Ｚ是 已知的一维 ＭＲ （ Ａ 多分 辨率 分析） 其 ，
１ 遥 感 图像 融合 的理论与算法
１ １ ＩＬ 融 合法 ． ］Ｓ －
ＩＳ融合法在 多传 感器像 元融合方面应用较广 ， 早 Ｈ 最 由 Ｈ ｙａ ａｄｎ等人（９２ 提出。该 方法 是基于 ＩＳ色彩模 型 １８ ） Ｈ 的融 合变换方法 。ＩＳ色彩 变换 先将多 光谱影像 进行 彩 Ｈ

２ １ 二维 Ｍａ ａ 小波 变换 算法 ． Ｈｔ 小 波变换 是 一种新 的数 学工具 ， 它在 时间域 和频率 域上 同时具 有 良好
的局 部化性 质 ， 图像经过 小波 分解后 ， 以将原始 图像 分解 成 低 频 图像 和 高频 图像 ， 频 图像 还 可 以逐级 分 可 低
解， 分解的各子图像都包含着原始图像的空间结构信息． 高频图像变化较剧烈 ， 包含了原始图像 的边缘信息． ‘Ｍａ ａ 在 Ｂ ｔ和 Ａ ｅ ｏ ｌｔ ｌ ｕｔ ｄｌ ｎ的塔 型 图像分 解 与重构 算法 的启 发 下 ， 出 了小波 变换 的 Ｍａ ａ 快 速 算 法 ． ｓ 提 ｌｔ ｌ
１ 图像 融合 概 念
图像融合 是指将 两 幅（ 或两 幅 以上 ） 自不 同成像设 备或 不 同时 刻获 取 的 图像 进 行配 准后 ， 用某 种 算 来 采 法 ， 各个 图像 的优点或 互补性 有机 结合 起来 ， 得信 息量更 丰 富 的新 图像 的技 术 ． 把 获
２ 基 于 小 波 变换 的 图像 融合 方 法
（） ４ 对融合 分解 图像进行 小波 重构 得 到融合 图像 ． ２ ３ 仿真 实验及 结果分 析 ． 图 １２分别 为 Ｃ ＭＲ 源 图像 ， 用 以上方 法并借 助 ＭＡ Ｌ Ｂ小波 工具 箱 、 Ｔ、 Ｉ 采 ＴＡ
对 Ｃ ＭＲ 图像进行 融合 ， Ｔ、 Ｉ 获得 图 ３所 示 融合 图像 ．
第 ｌ ５卷
第 ５期
琼州学院学报
Ｊｕｎｌ ｆ ｉｎｚｏ ｎ ｅｓｙ ｏｒａ ｏ ｏｇｈｕＵ ｉ ｒｉ Ｑ ｖ ｔ
２０ ０ ８年 １ ０月 ２ ８日
Ｏｃ ＿ ８ ２ ｏ 【２ ． ０ ８
Ｖ０．１ Ｎｏ． １ ５ ５
小 波 变换 在 图像 融合 技 术 中 的 应 用 及探 考

维普资讯
总第 １３期 １
公 路 与 汽 运
Ｈ ｉｈ ｙ ｇ ｗａ ｓ＆ Ａｕ ｏ ｔｖ ｐ ｉａ ｉｎ ｔ ｍｏｉ ｅ Ａｐ ｌｃ ｔｏ Ｓ １７ Ｏ
基 于小波变换的多源遥感 图像 融合方法 ＊
郭云开 ， － 夏 丹
（ 沙理 工 大 学 公 路 工程 学 院 ，湖 南 长 沙 长 ４０７） １ ０ ６
分辨率对地观测遥感数据 的新阶段， 传感系统 已能
为用 户提 供大量 的 包 括高 空 间 、 谱 和时 间分 辨 率 波 的 图像数 据 ， 如何 充 分利用好 这些 数据 ， 是一 大难 仍 题 。 目前 ， 光 谱 卫 星 遥 感 影 像 信 息 的 使 用 量 在 多 ６ 以 下 ， 侧 视 雷 达 影 像 的 信 息 使 用 量 不 足 Ｏ 而 １ ， 用一种 多光 谱数据进 行 分析 ， Ｏ 单 要解 决土 地覆 盖 、 地 和森林 资源监 测 、 路 网线分析 等问题 是不 耕 道 可 能的 ， 如何将 不 同类 型 的遥 感 图像 数据 进行 融 故 合 成为 当前 的研 究课 题 。
公
１ ０８
与 汽 运
第２ 期
２ ０ 年 ４月 ０‘ ６
Ｈｉ ｈ ｙ ｇ ｗａ ｓ＆ Ａｕ ｏ ｔｖ ｐ ｉａ ｉ ｎ ｔｍｏ ｉ ｅ Ａｐ ｌｃ ｔｏ ｓ
分量。③ 利用多光谱图像、 不同大气和光照条件等 调校高空间分辨率图像 。将 全色 图像 和 Ｈ Ｓ表达 Ｉ
式 中的亮度分量 进行 常规直 方图 匹配 。特别 是在计 算 全色 图像 和多光 谱 图像 的 亮 度直 方 图 后 ， 光 谱 多 的亮度 直方 图可作 为 匹配 全 色 图像 直 方 图的参 考 。
遥感 图像具 有空 间上 的连续 性和 时间上 的多时

小波变换融合是一种常用的图像融合技术，它基于小波变换将不同来源的图像进行分解和重构，从而实现图像的融合。

具体来说，小波变换融合的原理如下：
1. 小波分解
首先，将不同来源的图像进行小波分解，将图像分解成不同尺度和频率的子图像，这些子图像被称为小波系数。

2. 选择系数
根据需要融合的图像的特征，选择不同的小波系数进行保留或删除。

通常情况下，高频系数对应图像的细节信息，低频系数对应图像的整体信息。

因此，可以保留高频系数，删除低频系数来保留图像的细节信息，或者相反。

3. 重构图像
根据选择的小波系数进行重构，得到最终的融合图像。

需要注意的是，小波变换融合的效果取决于选择的小波系数的数量和权重。

如果选择的小波系数过多或权重不合适，可能会导致图像失真或细节丢失。

因此，需要根据具体情况进行选择和调整。

总的来说，小波变换融合是一种有效的图像融合技术，它能够保留图像的细节信息，同时实现不同来源图像的融合。

第1章绪论1.1课题研究的意义及背景1.1.1本课题的研究背景图像融合是以图像为主要研究内容的数据融合技术，是把多个不同模式的图像传感器获得的同一场景的多幅图像或同一传感器在不同时刻获得的同一场景的多幅图像合成为一幅图像的过程。

由于不同模式的图像传感器的成像机理不同，工作电磁波的波长不同，所以不同图像传感器获得的同一场景的多幅图像之间具有信息的冗余性和互补性，经图像融合技术得到的合成图像则可以更全面、更精确地描述所研究的对象．正是由于这一特点，图像融合技术现已广泛地应用于军、遥感、计算机视觉、医学图像处理等领域中。

图像融合的目的和意义在于对同一目标的多个图像可以进行配准、合成，以克服单一图像的局限性，使有关目标图像更趋完备，从而提高图像的可靠性和清晰度。

以获得对某一区域更准确、更全面和更可靠的描述，从而实现对图像的进一步分析和理解，或目标的检测、识别与跟踪。

基于小波变换的图像融合方法可以聚焦到图像的任意细节，被称为数学上的显微镜。

近年来，随着小波理论及其应用的发展，已将小波多分辨率分解用于像素级图像融合。

小波变换的固有特性使其在图像处理中有如下优点：完善的重构能力，保证信号在分解过程中没有信息损失和冗余信息；把图像分解成平均图像和细节图像的组合，分别代表了图像的不同结构，因此容易提取原始图像的结构信息和细节信息；小波分析提供了与人类视觉系统方向相吻合的选择性图像。

但是，图像融合的大多数方法是针对静态图像，在一些实时性要求高的场合缺乏必要的实时性，限制了应用范围。

小波分析（wavelet）是在应用数学的基础上发展起来的一门新兴学科，近十几年来得到了飞速的发展．作为一种新的时频分析工具的小波分析，目前已成为国际上极为活跃的研究领域．从纯粹数学的角度看，小波分析是调和分析这一数学领域半个世纪以来工作的结晶；从应用科学和技术科学的角度来看，小波分析又是计算机应用，信号处理，图形分析，非线性科学和工程技术近些年来在方法上的重大突破．由于小波分析的“自适应性”和“数学显微镜”的美誉，使它与我们观察和分析问题的思路十分接近，因而被广泛应用于基础科学，应用科学，尤其是信息科学，信号分析的方方面面[1]。

体 表现 为正 则度 、消 失矩 和对 称性 等 。这些指标 在实 际应 用 中必须 考虑 。在 实 际应 用 中我们发 现 ，小 波 的对 称性对 图像 最 后的融合 效 果影 响不大 ，用于 图像镶嵌 ，我们 选用具 有如 下性质 的小 波 。
空 间分 辨率 的卫星 照 片、 医学 诊断 中 多个视 觉人体 或器 官照 片 的融合 、 计算机 动 画制作 中 的图像显 示、 民用地 图 影像 、
维普资讯
第２ 卷 ８
Ｖｏ ． 】 ２８
・
第９ 期
№ ９
２ ０ 年９ ０ ２ 月
Ｓｅ ｅ ｂ ００２ ｐｔ ｍ ｅｒ２
Ｃｏ ｐｕｔ ｒＥ ｎ ｎｅ ｒ ｎｇ ｍ ｅ ｇｉ ｅ ｉ
多媒体技术及应 用 ・
文章编号：１０－３２（ ０） －０６－０ ００ ４８ ０２ ９ － ７ － － ２ ０ １ ２
［ ｙｗｏ ｄ ］Ｗ ａ ｅｅ ａ ｆ ｒ ； ｕｔ ｒ ｏｕ ｉｎａ ａｙｉ； ｉｅ ； ｄ ｅ ｒ ｃ ｓｎ Ｋｅ ｒ ｓ ｖ ｌ ｔ ｎ ｏ ｍ Ｍ ｌ－ｅ ｌｔ ｎ ｌｓ Ｆｌ ｒ Ｅ ｇ ｏ ｅ ｉｇ ｔｒ ｓ ｉｓ ｏ ｓ ｔ ｐ ｓ
１概 述
图像镶 嵌应 用领 域较 广 泛 ，如 合 成一张 不 同频段 、不 同
文献标识码： Ａ
中图分类号： Ｔ ７１ Ｐ５
基 于 小 变换 的 图像 镶 嵌 技 术 的研 究 波
谢天保 ，雷 西玲
（ 安 理 工 大 学 ，西 安７１ｏ ８ 西 ４） ｏ
一
摘 要 ： 出 了一种 基于小 波 变换 的 图像 镶 嵌 的方法 ，小波 变换具 有多 分辨分 析特性 ，极 适 合解 决图像 镶嵌 边缘 灰度不 连续 问题 。还提 出 了 提 种 新 的图像边 界处 理 算法 ，对镶 嵌 图像 边界 作 了精 确 处理 ，保证 图像能 够完 全恢 复 ，该边界 处 理 算法适 用于 任何基 于正 交变换 的小 波数 字

基于Haar小波变换的图像融合方法何宏;林剑【摘要】为了有效的提高多个传感器的图像融合精度,该文提出了基于Haar小波变换的图像融合方法,首先分析了小波变换中不同频率分量对图像融合精度的影响,然后详细探讨了高频分量系数的确定方法。

选取信息熵作为图像融合算法性能的评价指标,通过仿真实验定量分析了高频分量系数对图像融合精度的影响,实验结果表明高频分量系数并非越大越好,应根据融合后的图像信息熵确定高频分量系数。

%In order to effectively improve the image fusion accuracy of multi-sensors,an image fusion method of wavelet transform based on Haar kernel was proposed in this paper.Firstly the image fusion accuracy affected by different frequencies of wavelet transform was analyses.Then the method of determining the high frequency coefficients was discussed in detail.The information entropy was selected to evaluate the performance of the image fusion method,an emulating experiments was implemented to quantitatively analysis the image fusion accuracy affected by high frequencies.The experiment results indicated that the high frequency coefficients should be not too large,it should be determined according to the information entropy of the fused image.【期刊名称】《杭州电子科技大学学报》【年(卷),期】2012(032)002【总页数】4页(P54-57)【关键词】图像融合;小波变换;信息熵【作者】何宏;林剑【作者单位】杭州电子科技大学科技处,浙江杭州310018;杭州电子科技大学科技处,浙江杭州310018【正文语种】中文【中图分类】TP3910 引言图像融合是对同一目标的多个传感器获取的图像进行匹配综合，以克服单一图像的局限性并提高图像的可靠性和清晰度，便于对图像做进一步的分析和处理。

电子科学Sl LI C o NL L E Y■鬟≥医学图像融合方法的研究陈薇薇(江苏省宝应县人民医院江苏扬州225800)[摘要]医学图像融合是指将小同成像设备或同一成像设备不同时问获得的多幅图像综合成一幅图像的图像处理技术。

通过对医学图像融合方法和现状分析，探时了传统的医学图像融合的方法，并提出一种基丁小波变换的医学图像融合的方法。

[关键词]小波变换医学图像融合中图分类号：R9文献标识码：^文章编号：1671--7597(2008)0620020--01一、医学圈像融合方法和现状分析医学图像融合根据融合对象的不同，分为单模融合、多模融合和模板融合三种类础。

单模融合是相同成像方式的图像融合，即待融合的两幅图像是由同一设备获取的，常用于疾病治疗前后的随防或不同病理状态卜J的对比。

以及运动伪影和设备固有伪影的校对等方面；多模融合是将形态成像和功能成像技术所抉得的图像进行融合，即不同成像方式所轶取的图像间的融合；模板融合则利用从健康人的研究中建立的一系列模板作为标准，将病人的图像与模板图像的融合。

按医学信息抽象程度的不同，图像融合技术可分为像素级的图像融合、特征级的图像融合和决策级的图像融合。

其中，像素级和特征级的图像融合的研究和使用最』“泛。

像素是图像的基奉元素，像素问耿度值的差异显现出图像中所包含的结构信息，以像素为基础的方法由丁．直接对罔像进行逐点处理，所以，用到的数学原理易于理解，算法实现也比较简单，不过实现的效果相对较差。

目前，医学图像融合中常用的还是像素级的图像融合办法，主要算法有加权甲均法、基r图像分割的融合法、对比度调制法、逻辑滤波法、多分辨塔式算法、小波变换法等。

=、医掌圈像融合当前存在的问囊在国外，医学图像融台的研究较早，技术较成熟。

在国内，相关的研究起步较晚，由F应用医学图像融合的相关设备的价格很高，融合过程又要耗费不短的时间，目前的很多方法也仅限于对几个或几十个病人的研究阶段，约束了相关技术的快速发展。

Ａ ｂｓ ｔ ｒ ａ ｃ ｔ ：Ｗ ｉ ｔ ｈ ｔ ｈｅ ｄ ｅ ｖ ｅ ｌ ｏ ｐ ｍｅ ｎ ｔ ｏ ｆ ｓ ｅ ｎ ｓ ｏ ｒ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｉ ｅ ｓ ． ａ ｓ ｉ ｎ ｇ ｌ ｅ ｉ ｍａ ｇ ｅ ｓ ｅ ｎ ｓ ｏ ｒ ｃ ａ ｎ ｎ ｏ ｔ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｅ ｎ ｏ ｕ ｇ ｈ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｆ ｒ ｏ ｍ ａ ｓ ｃ ｅ ｎ ｅ ． Ｓ ｏ ．ｔ ｈ ｅ ｍｕ ｌ ｔ ｉ — ｓ ｏ ｕ ｒ ｃ ｅ ｉ ｍａ ｇ ｅ ｆ ｕ ｓ ｉ ｏ ｎ ｉ Ｓ ｕｒ ｇ ｅ ｎ ｔ ｔ ｏ ｂ ｅ ｓ ｔ ｕ ｄ ｉ ｅ ｄ． Ｔｏ ｓ ｏ ｌ ｖ ｅ ｔ ｈ ｅ
ｗａ ｖ ｅ ｌ ｅ ｔ ｔ ｒ ａ ｎｓ ｆ ｏ ｒ ｍ ｉ ｓ ｕ ｓ ｅ ｄ ｔ ｏ ｆ ｕ ｓ ｅ ｔ ｈｅ ｉ ｎ ｒａ ｆ ｒ ｅ ｄ ａ ｎｄ ｖ ｉ ｓ ｉ ｂ ｌ ｅ ｉ ｍａ ｇ ｅ ｓ ．Ｆｉ ｒ ｓ ｔ ｌ ｙ ． ｔ ｈ ｅ ｗａ ｖ ｅ ｌ ｅ ｔ ｔ ｒ ａ ｎ ｓ ｆ ｏ ｒ ｍ ｉ Ｓ ｕ ｓ ｅ ｄ ｔ ｏ ｄ ｅ ｃ ｏ ｍｐ ｏ ｓ ｅ ｔ ｈ ｅ ｉ ｍａ ｇ ｅ ｉ ｎ ｍｕ ｌ ｔ ｉ ｓ ｃ ａ ｌ ｅ ．Ｆ ｏ ｒ ｈ ｉ ｇ ｈ ｆ ｒ ｅ ｑ ｕ ｅ ｎｃ ｙ ｆ ｕ ｓ ｉ ｏ ｎ ，ｔ ｈ ｅ ｃ ｏ ｅ ｉｃ ｆ ｉ ｅ ｎ ｔ ｓ ｗｉ ｔ ｈ ｍａ ｘ ｉ ｍｕｍ ａ ｂ ｓ ｏ ｌ ｕ ｔ ｅ ｖ ａ ｌ ｕ ｅ ｓ ｉ ｎ ｔ ｗｏ ｏ ｒ ｉ ｇ ｉ ｎａ ｌ ｉ ｍａ ｇ ｅ ｓ ａ ｒ ｅ ｓ ｅ ｌ ｅ ｃ ｔ ｅ ｄ． Ｆ ｏ ｒ ｌ ｏ ｗ ｒｅ ｆ ｑ ｕｅ ｎ ｃ ｙ ｆ ｕ ｓ ｉ ｏ ｎ，ｔ ｈ ｅ ｓ ｔ ｒ ａ ｔ ｅ ｇ ｙ ｏ ｆ ｃ ｏ ｍｂｉ ｎｉ ｎ ｇ ｔ ｈ ｅ ｄ ｏ ｍａ ｉ ｎ ｐ ｉ ｘ ｅ １ ｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ｗｉ ｔ ｈ ｔ ｈ ｅ ｒ ｅ ｇ ｉ ｏ ｎ ａ ｌ ｖ ａ ｒ ｉ ａ ｎ ｃ ｅ ｉ Ｓ ｕ ｓ ｅ ｄ． Ｔｈ ｅ ｅ ｘ ｐ ｅ ｒ ｉ ｍｅ ｎ ｔ ａ ｌ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｈ ｏ ｗｓ ｔ ｈａ ｔ ｔ ｈ ｉ ｓ

基于小波变换的图像融合算法研究与实现图像融合是将多个图像信息融合为一幅新的图像，以提供更全面、准确和可靠的图像信息。

随着数字图像处理技术的快速发展，图像融合算法在图像处理领域得到了广泛应用。

小波变换作为一种多尺度分析方法，对图像融合具有很好的效果，因此，在本文中我将重点研究并实现基于小波变换的图像融合算法。

首先，介绍一下小波变换的基本原理。

小波变换利用一组基函数在不同尺度上分解信号，并通过分析不同尺度的细节和整体特征来描述信号的特征。

小波变换的核心是选择合适的小波基函数，常用的小波基函数有Haar小波、Daubechies小波、Symlet小波等。

这些小波基函数具有良好的局部化特性，适合用于图像融合任务。

基于小波变换的图像融合算法主要包括以下几个步骤：预处理、分解、融合和重构。

首先，在预处理阶段，对原始图像进行预处理操作，如色彩空间转换、直方图均衡化等。

这些预处理操作旨在消除图像的亮度、对比度等差异，使得图像更加具有可融合性。

接着，在分解阶段，利用小波变换将原始图像分解成多个尺度的低频和高频子图像。

这些子图像包含了图像的不同尺度信息，其中低频子图像表示图像的大致趋势，高频子图像表示图像的细节信息。

然后，在融合阶段，将分解得到的低频和高频子图像进行融合。

对于低频子图像，可以采用像素均值、像素最大值等方法进行融合。

对于高频子图像，可以采用像素加权平均、像素最大值等方法进行融合。

融合操作旨在保留各个子图像的有用信息，同时抑制噪声和冗余信息。

最后，在重构阶段，利用融合得到的低频和高频子图像进行重构，得到最终的融合图像。

重构过程是利用小波逆变换将分解得到的子图像合并成原始图像的过程。

具体而言，可以采用线性加权、阈值加权等方法进行重构。

基于小波变换的图像融合算法有许多优点。

首先，小波变换具有多尺度分析能力，可以提取图像的不同尺度信息。

其次，小波变换对图像的局部特征有很好的表达能力，可以有效揭示图像的细节信息。

Ｆ ｓｏ ａｅ ｎ Ｗ ａ ｅｅ ｒｎ ｆｒ Ｐ ｒｏ ａ ｅｅ ｌ — ｃ ｅｄ ｃ ｍｐ ｓ ｉｎ ｏ ａｈ ｓ ｕｃ ｍａ ｅｆ ｔ ． ｈ ｎｆ ｓ ｈ ａ ｅｅ ｕ ｉｎｂ ｓｄ ｏ ｖ ｌｔ ａ ｓｏｍ． ｅｆｒ ａｗ ｖ ｌｔｍｕｔ ｓａ ｅ ｏ ｏｉｏ ｎ ｅｃ ｏ ｒｅｉ ｇ ｒ ｌ Ｔ ｅ ｕ ｅｔｅｗ ｖ ｌｔ Ｔ ｍ ｉ ｌ ｔ ｉ ｙ ｓ
ｔａ ｈｓｍｅｈ ｄｃ ｎ ｈ ｌ ｅｉｆｒ ａ ｏ ｆｔｅｏ ｇｎ ｌｉ ｇ ｓａ ｄ ｅ ｈ ｎ ｅｔｅｒ ｅａｌｉ ｏ ａｉｎ ｈ ｔｔｉ ｔｏ ａ ｏｄｔ ｏ ｈ ｎ ｍ ｔ ｎ ｏ ｒ ｉａ ｍａ ｅ ｎ ｎ ａ ｃ ｉ ｄ ｔｉ ｎ ｒ ｔ ． ｉ ｈ ｉ ｈ ｆ ｍ ｏ
尺度分解。 然后 采用基于窗口的融合规则进行小波 系数融合 ， 最后通过 小波逆 变换重构融合图像。 实验结果表 明， 该方法能在
保 留 原 图像 信 息的 情 况 下 增 强 融 合 图像 的 细 节信 息 。
关键词 ： 波变换 ； 小 图像 融 合 ； 融合 规 则 ； 医学 图像 中 圈 分 类号 ： Ｐ ９ － １ Ｒ ４ — ９ 文 献 标 识码 ： Ｔ ３ １４ ：４ ５ ３ Ａ
Ａｂ ｔ ａ ｔ ｍａ ｅ ｆｓ ｎ ｉ ｅ ｅ ｈ ｏｏ ｙ ｉ ｄｃｌｉ ｇ ｓ ｐｏ ｒｓｉｇ ｈｓ ｐ ｐ ｒｐｅｅ ｔ ｅ ｔｏ ｆ Ｍｅ ｉａ ｍａ ｅ ｓｒ ｃ：Ｉ ｇ ｕ ｉ ｓａ ｋ ｙ ｔｃ ｎ ｌｇ ｎ ｍｅ ｉａ ｍａ ｅ ｒｇｅ ｓ ．Ｔ ｉ ａ ｅ ｒｓｎｓ ａ ｎ ｗ ｍｅｈ ｄ ｏ ｄｃ ｌＩ ｇ ｏ ｎ
Ｋｅ ｗｏ ｄ ：ｗ ｖ ｌｔｒｎ ｆｒ ； ｍａ ｅｆｓｏ ； ｕ ｉｎｒ ｌｓ ｍｅ ｉａ ｍａ ｅ ｙ ｒ ｓ ａ ｅｅ ａ ｓｏ ｔ ｍ ｉ ｇ ｉｎ ｆｓｏ ｕｅ ； ｄｃ ｌｉ ｇ ｕ