【图像融合】RP、CVT、DTCWT、NSCT-SR+DWT-SR+拉普拉斯金字塔算法-SR图像融合【含Matlab源码 3572期】_dtcwt_toolbox

⛄一、图像融合简介

1 图像融合
图像融合（Image Fusion）是指将多幅图像的信息融合在一起，生成一幅新的图像，使得新图像能够包含原始图像的所有关键信息和特征。图像融合技术可以将不同源的图像信息进行有效的组合，以提高图像的质量和信息量。

2 图像融合的原理
图像融合的基本原理是将多幅图像进行适当的处理和组合，以实现信息的互补和增强。主要的图像融合方法包括基于像素级的融合、基于特征级的融合和基于模型级的融合。
(1)基于像素级的融合：该方法将多幅图像的像素逐个进行处理和组合，通常采用加权平均、最大值或最小值等方式进行像素级的融合。这种融合方法简单直观，但可能会导致某些信息的丢失。

(2)基于特征级的融合：该方法将多幅图像的特征进行提取和匹配，然后根据匹配结果进行融合。常用的特征包括边缘、纹理、颜色等。这种融合方法可以更好地保留图像的细节和特征，但对特征提取和匹配的准确性要求较高。

(3)基于模型级的融合：该方法将多幅图像的信息进行建模和优化，以得到最优的融合结果。常用的模型包括小波变换、多尺度分析和深度学习等。这种融合方法可以更好地处理不同尺度和分辨率的图像，但对模型的选择和参数的调整要求较高。

3 图像融合的应用
图像融合技术在许多领域都有广泛的应用，下面列举几个常见的应用场景：
(1)红外与可见光图像融合：将红外图像和可见光图像进行融合，可以提高目标检测和识别的性能，尤其在夜间或恶劣环境下具有重要意义。
(2)多模态医学图像融合：将不同模态的医学图像进行融合，可以提供更全面和准确的医学诊断信息，有助于医生做出更准确的判断和决策。
(3)遥感图像融合：将多源的遥感图像进行融合，可以提高地物的识别和分析能力，对于土地利用、资源调查和环境监测等领域具有重要意义。
视频图像融合：将多个视频图像进行融合，可以提高视频质量和信息量，对于视频监控、视频分析和虚拟现实等应用有很大的帮助。

4 图像融合的数据来源
 多聚焦的图像的融合（如：数码摄影影像）
 多模态图像融合（如：红外和可见光图像的融合；医学图像的融合）

5 数据来源–传感器
(1)遥感数据：全色相机、彩色/多光谱相机，高光谱相机、热红外相机、夜光相机、立体相机、视频相机、合成孔径雷达SRA、激光测量仪。（同一场景多源遥感图像观测的地物对象相同，但观测的维度不同，图像的空间、光谱与时间分辨率存在差异。不同源获取的遥感图像原理不同，图像的空间分辨率、观测尺度预计反映的目标特性也会存在差异）

(2)视觉相机：是必不可少的传感器，它们是廉价的传感器，并且可以为周围场景提供密集的像素信息。

(3)红外和热成像：对比度显著，即使在恶劣天气下也能有效地从背景中突出目标。可见图像包含丰富的纹理细节，更符合人类的视觉感知。红外和可见光图像融合就是将这两种特性结合起来，产生对比度高、纹理丰富的结果。在不利的光线条件和夜视中用于环境感知应用。

(4)激光雷达LiDAR：激光束狭窄，隐蔽性好，被截获的概率很低。（点云数据能够提供地物的空间三维信息，尤其是高精度的高程信息，弥补遥感图像无法有效表示建筑物的侧面墙体、植被高度等立面信息的缺陷，而且点云数据可以直接应用于三维模型重构。缺点：点云数据点集离散分布，无法有效表示地物的轮廓线，并且缺少光谱、纹理信息。融合二者优势，用于地物分类。）

(5)SRA是合成孔径雷达成像： SRA是一种主动微波成像，穿透作用强，能够有效的探测伪装目标，成像不受光线、气候和云雾的限制。多应用于军事侦探、地理测绘、灾害监测等领域。优势：在方位和距离上都能获得很高的几何分辨力，突破经典雷达的分辨率极限。SRA机载卫星具有全天时、全天候的优势，在军事中应用广泛。

(6)全色、多光谱、高光谱图像融合。高分辨和低

⛄二、部分源代码

clear all;
close all;
clc;

addpath(genpath(‘dtcwt_toolbox’));
addpath(genpath(‘fdct_wrapping_matlab’));
addpath(genpath(‘nsct_toolbox’));

[imagename1 imagepath1]=uigetfile(‘source_images*.jpg;.bmp;.png;.tif;.tiff;.pgm;.gif’,‘Please choose the first input image’);
image_input1=imread(strcat(imagepath1,imagename1));
[imagename2 imagepath2]=uigetfile(‘source_images*.jpg;.bmp;.png;.tif;.tiff;.pgm;.gif’,‘Please choose the second input image’);
image_input2=imread(strcat(imagepath2,imagename2));

figure;subplot(131);imshow(image_input1);title(‘图1’)
subplot(132);imshow(image_input2);title(‘图2’)

if size(image_input1)~=size(image_input2)
error(‘two images are not the same size.’);
end

A=double(image_input1);
B=double(image_input2);

level=4;
mm=6;
tic;
subplot(133);
if size(A,3)==1 %for gray images
switch mm
case 1
F = lp_fuse(A, B, level, 3, 3); %LP
title(‘LP融合图’)
case 2
F = rp_fuse(A, B, level, 3, 3); %RP
title(‘RP融合图’)
case 3
F = dwt_fuse(A, B, level); %DWT
title(‘DWT融合图’)
case 4
F = dtcwt_fuse(A,B,level); %DTCWT
title(‘DTCWT融合图’)
case 5
F = curvelet_fuse(A,B,level+1); %CVT
title(‘CVT融合图’)
case 6
F = nsct_fuse(A,B,[2,3,3,4]); %NSCT
title(‘NSCT融合图’)
end
else %for color images
F=zeros(size(A));
for i=1:3
switch mm
case 1
title(‘LP融合图’)
F(:,:,i) = lp_fuse(A(:,:,i), B(:,:,i), level, 3, 3); %LP
case 2
title(‘RP融合图’)
F(:,:,i) = rp_fuse(A(:,:,i), B(:,:,i), level, 3, 3); %RP
case 3
title(‘DWT融合图’)
F(:,:,i) = dwt_fuse(A(:,:,i), B(:,:,i), level); %DWT
case 4
title(‘DTCWT融合图’)
F(:,:,i) = dtcwt_fuse(A(:,:,i),B(:,:,i),level); %DTCWT
case 5
title(‘CVT融合图’)
F(:,:,i) = curvelet_fuse(A(:,:,i),B(:,:,i),level+1); %CVT
case 6
title(‘NSCT融合图’)
F(:,:,i) = nsct_fuse(A(:,:,i),B(:,:,i),[2,3,3,4]); %NSCT
end
end
end
toc;

imshow(uint8(F));
switch mm
case 1
title(‘LP融合图’)
case 2
title(‘RP融合图’)
case 3
title(‘DWT融合图’)
case 4
title(‘DTCWT融合图’)
case 5
title(‘CVT融合图’)
case 6
title(‘NSCT融合图’)
end
imwrite(uint8(F),‘Results/fused_mst.tif’);

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]吴粉侠,李红,李洪星.基于NSCT变换和PCA的图像融合算法[J].航空计算技术. 2015,45(03)

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除