基于改進(jìn)的Shearlet變換的多聚焦圖像融合.pdf

1、本論文主要研究了基于非下采樣Shearlet變換和加權(quán)區(qū)域能量選取規(guī)則的多聚焦圖像融合算法。為消除Shearlet變換中下采樣引起的偽吉布斯效應(yīng)，本文采用了具有平移不變性的非下采樣Shearlet變換（NSST）對(duì)多聚焦圖像進(jìn)行融合，并提出加權(quán)區(qū)域能量選取的融合規(guī)則。NSST主要包括多尺度分解和方向?yàn)V波過(guò)程。本文采用一組非下采樣的兩通道最大平坦響應(yīng)濾波器構(gòu)成非下采樣拉普拉斯塔形分解濾波器，對(duì)圖像進(jìn)行多尺度分解。采用Meyer小波建立sh

2、ear濾波器對(duì)子帶圖像進(jìn)行方向?yàn)V波。濾波后的系數(shù)利用加權(quán)區(qū)域能量選取融合規(guī)則進(jìn)行融合。
　　本文用matlab對(duì)算法進(jìn)行了仿真，實(shí)驗(yàn)結(jié)果證明，當(dāng)采用梯度矢量評(píng)估方法、基于權(quán)值的結(jié)構(gòu)相似度和基于邊緣的結(jié)構(gòu)相似度這三種客觀評(píng)價(jià)指標(biāo)對(duì)融合圖像的質(zhì)量進(jìn)行評(píng)價(jià)時(shí)，與基于其它融合規(guī)則的NSST變換、基于NSCT變換、基于CVT變換、基于Shearlet變換、基于小波變換的多聚焦圖像融合算法相比，對(duì)相同的源圖像本文算法的融合結(jié)果的客觀評(píng)價(jià)指標(biāo)更