基于区域特性的curvelet变换图像融合算法

《基于区域特性的curvelet变换图像融合算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于区域特性的Curvelet变换图像融合算法摘要：为克服小波变换在二维或更高维度空间分析中的缺陷，提高图像融合质量，提出基于二代Curvelet变换的图像融合改进算法。引入可以有效分析图像中的曲线奇异性，能更加合理处理图像边缘信息的Curvelet变换对图像进行分解，对图像分解后的低频部分采用自适应阈值的区域方差高斯加权融合方法，增加图像像素之间的关联，并有效保留细节和边缘。对高频部分采用区域能量融合方法来降低噪声，增强图像的细节。采用该算法对多组不同图像进行融合实验，并用信息熵、交叉熵、相关系数、空间频率等对融合图像进行

2、客观评价。实验结果表明，该算法优于传统的融合规则和算法，能在保持更好清晰度的同时获得更丰富的图像内容。关键词：图像融合;Curvelet变换;自适应阈值;区域特性;区域频率中图分类号：TN919?34;TP391文献标识码：A文章编号：1004?373X（2015）02?0077?06ImagefusionalgorithmwithCurvelettransformbasedonregionalfeatureWANGKun?chen，SUNQuan?sen（DepartmentofComputerScienceand19En

3、gineering，NanjingUniversityofScience&Technology，Nanjing，210094，China）Abstract：Inordertoovercometheweaknessofwavelettransformin2Dorhigherdimensionalspatialanalysisandimprovequalityofimagefusion，amodifiedimagefusionalgorithmbasedonCurvelettransformisproposed.Curv

4、elettransformwhichcaneffectivelyanalyzesingularityofacurveandrationallyprocessedgeinformationinanimageisintroducedtodecomposeimages.AnadaptivethresholdregionalvarianceandGaussian?weightedfusionalgorithmisusedinlow?frequencyregiontoenhancethecorrelationbetweenpixels

5、inanimageandpreserveitsdetailsandedgeseffectively.Theregionalenergyfusionmethodisappliedinhigh?frequencyregiontoreducenoiseandenhancethedetailsoftheimage.Manyfusionexperimentsofdifferentimageswerecarriedoutwiththealgorithm.Thefusionresultswereevaluatedbyinformation

6、entropy，crossentropy，correlationcoefficientandspacefrequency.Theexperimentresultsindicatethatthe19proposedalgorithmismoreoutstandingthantheconventionalfusionrulesandmethods，andcanobtainbetterresolutionandmorerichimagecontent.Keywords：imagefusion;Curvelettransform;a

7、daptivethreshold;regionalfeature;regionalfrequency0引言近些年来，多传感器图像融合理论研究日渐深入，应用领域也日益广泛，在医学[1]、机器视觉、环境保护和遥感[2]等领域都取得了比较广泛的关注和应用。图像融合是指将配准后的图像采用一定的方法融合在一起的技术，由于待融合的多幅图像之间具有信息的冗余性和互补性，所以融合过程需要在降低冗余信息影响的同时尽量提取互补信息。早期的图像融合尝试均是在空间域上实现的，运用的主要算法有加权平均法、主成分分析法、Brovery变换融合算法。随后

8、，陈武、曹�19等人将小波变换应用到图像融合领域，提出基于小波系数方向的子带系数选择策略[3?4]。小波分析兼具多分辨率和时频局部化特性，成为图像融合的重要技术手段。多尺度分析工具[5?6]不断的发展，本文将真正意义上的二维信号分析工具Curvelet引入图像融合，根据图像的特点，提出一种