基于梯度和能量的图像融合算法

《基于梯度和能量的图像融合算法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于梯度和能量的图像融合算法张宏怡1，杨文2，林永平11.厦门理工学院电子与电气工程系，福建省厦门市3610002.河南科技大学电子信息工程学院，河南省洛阳市471003；摘要：针对梯度算法在图像融合的过程中往往只考虑图像高频信息的变化程度，忽略了高频信息的丰富程度而造成融合结果的信息量损失这一问题，本文在小波变换的基础上提出了一种新型的基于梯度和能量的图像融合算法。算法兼顾高频分量的变化和高频分量丰富程度，有效保证图像的信息量。当两幅图像高频系数变化较大时，采用梯度取大决策，当两幅图像的高频系数变化较小时

2、，采用图像高频信息的丰富程度（能量）取大决策。实验证明了该算法的有效性。关键字:图像融合；小波；梯度；能量；信息量；局部统计量中图法分类号:TP391　文献标识码:AImagefusionbasedongradientandenergyYangWen1，ZhangHongyi2，YongpingLin21SchoolofElectronicsandInformationEngineering,HenanUniversityofSci@Tec,LuoYang471023,China;2.Departmento

3、fElectronicandElectricEngineering,Xiamenuniversityoftechnology,Xiamen361000,ChinaAbstract:Algorithmsbasedongradientforimagefusiononlyconsiderhigh-frequencyinformationchangesoftheimages,andneglecttherichnessofhigh-frequencyinformation.Tosolvethisproblem,the

4、newkindofimagefusionalgorithmbasedongradientandenergyisproposedinthisarticle.Thealgorithmonthispapertakesintoaccountthechangesinhigh-frequencyinformationandtherichnessofhigh-frequencyinformation,effectivelyguaranteestherichnessofimageinformation.Whenthetwo

5、imageschangeinthelargerhigh-frequencycoefficients,weusegradientfordecision-making.Whenthetwoimagesofthehigh-frequencycoefficientschangedlittle,weuseenergyofthehigh-frequencyfordecision-making.Experimentsshowthealgorithminthispaperensureinformationoffusedim

6、agewell.Keywords:Imagefusion;wavelet;gradient;energy;information;localstatistics1引　言图像融合是将不同传感器得到的多个图像根据某个算法进行综合处理，以得到一个新的、满足某种需求的新图像。高图像的清晰度。与单一、孤立的原始图像相比，经融合得到的图像更容易识别，可以提供更多的目标信息，提高图像的清晰度。常用的算法基于源图像相应像素值、邻域平均值或加权平均值的算法、基于图像金字塔分解的算法【1】、小波分析法【2】等。通过图像融合可以

7、更好地解释和描述目标,提高对图像的信息分析和提取能力。多传感器图像的融合广泛应用于地质探矿与结构分析、农作物估产、地图制作与更新、军事目标识别等领域。随着小波理论的发展，多分辨率小波融合成为图像融合领域的一个研究热点。该类算法保留和继承了塔形分解融合算法的多尺度、多分辨率分解等主要优点。同时，由于小波分解具有非冗余性,使得图像经小波分解后的数据总量不会变大；利用小波分解的方向性，就有可能针对人眼对不同方向的高频分量具有不同分辨率这一视觉特性,获得视觉效果更佳的融合图像。本文中提出一种基于多尺度小波分解的新的

8、图像融合方法，该方法利用小波变换对每一图像进行多尺度分解，对各分解层上不同频带的子图像采用不同的融合处理。而其中融合规则的确立在小波融合中至关重要。经典的融合规则有高频取大算法【2】，高频能量算法（文献【3】），高频梯度（文献【4】、文献【5】、文献【6】）等算法。文献【5】提出了一种基于梯度的小波分解的图像融合方法，该方法在低频采用基于均匀度的融合方法，在高频采用基于梯度的融合算法。基于梯度的算法很好的反应了图