基于小波变换图像融合算法的研究
小波变换在图像处理中的应用毕业论文
结论.......................................................................15
参考文献...................................................................16
cl是x的小波分解结构则perf0100小波分解系数里值为0的系数个数全部小波分解系数个数perfl2100cxc向量的范数c向量的范数华侨大学厦门工学院毕业设计论文首先对图像进行2层小波分解并通过ddencmp函数获取全局阈值对阈值进行处理而后用wdencmp函数压缩处理对所有的高频系数进行同样的阈值量化处理最后显示压缩后的图像并与原始图像比较同时在显示相关的压缩参数
3.2.2实现增强的算法流程............................................10
3.3小波包图像去噪......................................................10
3.3.1实现去噪的主要函数............................................11
指导教师签名：
日期：
华侨大学厦门工学院毕业设计（论文）
小波变换在图像处理中的应用
摘要
近年来小波变换技术已广泛地应用于图像处理中。小波分析的基本理论包括小波包分析、连续小波变换、离散小波变换。小波变换是一种新的多分辨分析的方法，具有多分辨率和时频局部化的特性，
可以同时进行时域和频域分析。
因此不但能对图像提供较精确的时域定位,也能提供较精确的频域定
基于PCNN的小波变换多光谱与全色遥感影像融合算法
!"#!$%&$'(')*+&,-./&$01$21(3$&)%)()$%)1基于5:;;的小波变换多光谱与全色遥感影像融合算法段延超4高利杰河南开封科技传媒学院!河南开封!"*%$$'摘4要 本文在小波变换融合算法的基础上 结合了68J J算法 提出了一种新的多光谱影像与全色影像融合算法 该算法首先利用68W变换和#V;变换完成对影像的前置处理 然后对小波变换后的低频分量采用加权平均法的融合规则 高频分量采用68J J的融合规则 最后 通过#V;逆变换完成影像的融合 结果表明 算法影像融合效果较好 有效地解决光谱失真和融合细节的问题 具有较好的实用价值关键词 图像融合 68J J 小波变换 多光谱与全色44随着遥感技术的不断发展"获取遥感数据的能力也越来越强"种类也越来越丰富"包括全色影像$多光谱影像$高光谱影像$夜光影像等*$+#不同类型的遥感影像在空间分辨率$光谱分辨率等方面具有不同的特点#如何综合利用这些遥感数据"成为遥感技术研究的一个重要方向#多光谱影像是指通过对地球表面反射$辐射$散射等电磁波进行多波段的采集和记录"形成的带有多个波段的遥感影像#每个波段都包含了物体不同的光谱特征信息"可以用于地表物质分类$植被覆盖度计算$水体提取等分析应用#全色影像是指在单一波段内采集的遥感影像"与多光谱影像相比"其光谱分辨率较高"一般在%&(R$&%米之间#全色影像具有高空间分辨率和较好的灰度级表现力"可以用于地物边界提取$建筑物检测等应用#因此"对于一些需要既考虑地物信息又需要高空间分辨率的遥感应用"比如地物分类$地形分析等"就需要将多光谱影像和全色影像进行融合"以期得到更加准确$全面的遥感信息#融合后的影像具有高空间分辨率和多波段信息的特点"因而能更好地支持遥感数据的分析和决策#多光谱影像与全色影像融合技术在提高遥感数据的综合利用效率$地表信息获取的准确度和全面性$优化遥感图像分析方法以及推动遥感技术发展等方面具有重要意义*)+#本文重点研究在小波变换的基础上"使用68J J'脉冲耦合神经网络(来处理小波变换后的高频分量"从而提高多光谱影像和全色影像的融合的细节信息#'常见多光谱与全色影像融合算法遥感影像融合算法可以分为基于变换的融合算法$基于像素级的融合算法$基于图像分割的融合算法$基于深度学习的融合算法#不同的算法具有不同的适用场景和优缺点"需要根据具体的应用需求和数据特点来选择合适的算法#以下算法是多光谱与全色影像常见的融合算法#$&$\B>b N e变换\B>b N e变换是一种常见的遥感影像融合算法"用于将多光谱影像和全色影像融合在一起#该算法通过将全色影像的每个像素值按比例分配给多光谱影像的=:\三个分量"从而产生融合后的=:\图像#由于全色影像具有高空间分辨率和单一光谱波段"\B>b N e变换融合可以使融合后的影像具有更高的空间分辨率和更多的光谱信息#然而"该算法存在着色偏和光谱失真等问题"因此在实际应用中需要注意算法参数的调整和效果评估# $&)#V;变换#V;变换是一种基于颜色空间的融合算法"它将多光谱影像和全色影像转换到三个颜色分量中"并将全色影像的强度分量与多光谱影像的色彩分量进行加权平均来生成融合图像#这种方法的优点是融合后的图像色彩保真度高"但对于保留多光谱信息而言"效果并不是很好# $&(68W变换68W是一种数据降维的方法"可以将高维度数据转换为低维度数据"并且保留数据的主要信息#由于68W变换可以在保留原始数据信息的同时减少数据维度"从而降低了数据冗余和噪声的影响"因此68W变换融合算法具有良好的融合效果和实用性#同时"与传统的基于像素的融合方法相比"68W变换融合算法能够更好地保持影像细节和色彩信息"提高影像的可解释性和应用效果#$&3小波变换小波变换'_Z b N?N O(是一种多尺度分析的融合算法"它通过对多光谱影像和全色影像进行小波变换"然后将变换后的系数进行加权平均来生成融合图像*(+#这种方法的优点是可以在不同尺度上融合图像"从而得到更加丰富的信息#+*!科技风"#"$年%月电子信息$&9J J !/X X ^C N算法J J !/X X ^C N 融合算法是一种基于J J !/X X ^C N 算法的图像融合方法"它可以将多幅具有不同成像特点的图像融合成一幅具有更高质量的图像#但是"由于J J !/X X ^C N 算法本身的计算量比较大"因此J J !/X X ^C N 融合算法的计算量也较大"需要一定的计算资源和时间*3+# 本文融合算法小波变换融合算法对噪声比较敏感"因为噪声可能会导致小波分解后的低频和高频分量之间的权重分配不合理"从而影响融合结果的质量#为了提高多光谱影像和全色影像的融合效果"本文融合算法主要步骤如下#)&$小波变换前置处理步骤)&$&$多光谱影像68W 变换由于多光谱影像的第一主成分反映了多光谱影像中最大的变化"通常也包含了最多的信息#为了减少光谱扭曲"同时提升融合后细节信息#本文算法首先对全色图像进行68W 变换"然后将多光谱图像的第一主成分与全色图像进行直方图匹配"从而提升融合后遥感影像的质量和分析结果的准确性#)&$&)多光谱影像#V ;变换为了避免融合后影像出现色彩失真等问题"本文采用了#V ;变换作为融合算法的前置处理步骤#首先"对重采样后的多光谱影像进行#V ;变换"将其分解为强度'#($色度'V (和饱和度';(三个分量#其次"经直方图配准的全色影像与#进行小波变换"得到新的强度分量'#d (#最后"利用#V ;逆变换将#d 与原色度分量'V (和饱和度分量';(组合成新的彩色影像"完成融合处理#由于色度和饱和度分量未经过改变"因此融合后的影像能够很好地保留原多光谱影像的色彩信息#)&)小波变换融合规则)&)&$基于加权平均法的低频分量融合规则小波变换融合算法中"加权平均法用于融合低频分量"目的是保留多光谱影像和全色影像的结构信息#低频分量融合的规则如下!&+,'-".(m /$&0,'-".(G /)&1,'-".(在公式中"'-".(表示像素点的位置"-表示经小波分解的层数"&0,'-".("&1,'-".(表示低频分量系数对相应像素值"&+,'-".(表示融合后低频分量系数"/$"/)表示融合时加权系数'/$G /)m $(#)&)&)基于68J J 的高频分量融合规则68J J 是一种基于生物学神经系统的人工神经网络模型"其灵感来源于脉冲神经元之间相互作用的方式#68J J 在图像处理领域广泛应用"其主要特点是能够实现对图像的非线性$时空域的信息处理"并且能够很好地提取出图像中的边缘信息"因此在图像融合中也被广泛应用*9+#经过小波分解后"高频分量包含了边缘$区域边界等细节信息#将高频分量系数与68J J 结合起来"可以进一步改善融合的细节效果#高频分量融合的规则如下!&+-.m&0-."#0-.',( #1-.',(&1-."#0-.',(l #1-.',({在公式中"经过-次迭代后"#0-.',(和#1-.',(表示神经元点火次数矩阵"&+-.表示融合后高频分量系数"&0-.和&1-.表示分解后高频分量系数#通过68J J 模型的非线性作用"可以提取出图像中的边缘和纹理等细节信息"从而进一步改善融合效果#)&(本文融合算法具体步骤'$(影像配准#')(多光谱影像进行#V ;变换"将其分解成#$V 和;三个分量"并对其进行68W 变换"得到第一主成分68$#'((全色影像和重采样后的68$进行直方图匹配"得到匹配后的6W J d #'3(将亮度分量#和匹配后的6W J d 进行小波变换"得到高频分量和低频分量#'9(低频分量采用加权平均值"高频分量采用68J J 融合规则#'0(经小波逆变换"得到新强度分量#d #'1(使用#d "经#V ;逆变换"得到融合影像#本文算法流程图如图$所示#图$本文融合算法 实验结果与分析为了验证本文融合算法的优越性"使用\B >b N e 变换$V #;变换$68W 变换$小波变换$J J !/X X ^C N 融合算法做对比试验"融合效果采用主观评价方法和客观评价方法#实验电子信息科技风 年 月数据使用高分)号卫星拍所摄的$T 分辨率的全色影像和3T 分辨率的多光谱影像#多光谱影像$全色影像及融合结果如图)所示#图)多光谱影像!全色影像及融合结果(&$主观评价根据实验结果"可以看出\B >b N e变换算法融合结果后出现色彩偏差$#V ;变换算法在高光和阴影细节方面表现较差$68W 变换算法在保留图像细节方面略逊于#V ;算法$J J !/X X ^C N 算法在保留多光谱影像的颜色信息方面稍逊于其他算法$小波变换算法在保留多光谱影像颜色信息方面相对较差#本文算法融合结果既保留了多光谱影像的色彩"又很好地保留了全色影像的细节$清晰度等信息#从主观评价上"本文算法要优于其他算法#(&)客观评价融合效果的客观评价选取信息熵$平均梯度$相关系数$均方差误差$交互信息量作为融合结果评价指标*0+#融合结果如下表所示#融合结果客观评价指标表'$(信息熵值越高"表明影像所携带的信息量越多#除了原始影像"本文算法的信息熵值高于其他算法"表明本文算法具有更高的信息量#')(平均梯度值越高"表明影像的清晰度越高#本文算法利用68J J 融合规则有效提高了影像细节表现能力"其平均梯度值高于其他算法"表明本文算法在清晰度方面处于较高水平#'((相关系数值越接近$"表明与参考影像的相关度越高#本文算法与参考影像的相关度较高"表明本文算法的融合效果与理想效果最接近#'3(均方根误差值越小"表明与参考影像的差异越小#本文算法相较于其他算法具有更小的均方根误差值#'9(交互信息量值越大"表明与参考影像最为贴合#本文算法的交互信息量值略高于小波变换融合算法"但优于其他算法#综合而言"本文的融合算法在客观评价指标分析中表现出色"显著提高了融合效果"并成功解决了小波变换融合算法中出现的分块和光谱失真问题#相较于其他算法"本文算法提升了融合后影像的细节表现能力#结论本文算法的优势在于"能够有效地保留多光谱影像的细节信息"还具有较强的适用性和鲁棒性#缺点在于"本文算法处理包含建筑物的遥感影像融合效果较好"但不适用于处理其他类型遥感影像#另外"本文算法的复杂度较高"运算速度较慢"不适合实时处理大量数据#本文算法还需要进行进一步的优化和改进#参考文献&$'李树涛"李聪妤"康旭东&多源遥感图像融合发展现状与未来展望&F '&遥感学报")%)$")9+%$,($3I2$00&&)'张丽霞"曾广平"宣兆成&多源图像融合方法的研究综述&F '&计算机工程与科学")%))"33+%),(()$2((3&&('谭仁龙&一种基于小波变换的图像融合方法&F '&测绘通报")%$1+%',(3)239&&3'8LN -"i &"r ;^-"F &+)%)%,&W ->b N ?/T Z H NX ^C />-T N O L>@MZ C N @>-Z ,>-b >?^O />-Z ?-N ^B Z ?-N O A >B .Z -@J J !/X X ^C N &8>T K^O N B C r:N >C ,/N -,N C "$('"$%39$I&&9'段延超&基于;#D Y 和小波变换的遥感影像配准融合算法研究&!'&河南大学")%$'&&0'杨艳春"李娇"王阳萍&图像融合质量评价方法研究综述&F '&计算机科学与探索")%$I "$)+%1,($%)$2$%(9&作者简介 段延超+$''%$4,"男"汉族"硕士"助教"研究方向(图像处理%高利杰+$''$$4,"男"汉族"硕士"助教"研究方向(图像处理自动控制#科技风 年 月电子信息。
基于小波分析和BP神经网络的多传感器遥感图像融合算法的研究
得遥 感图像的应用范围得到极大地拓 展。
１ 多传感器遥感 图像融合的概述
的载 体 ， 过 信 息融 合 ， 以将 通 过 不 同 工 通 可
上 。 感 图像 的 融 合技 术 使 用 多 层次 、 遥 多级
完 整 的 分 量 数 据 ， 此 小 波 分 析 被 广 泛 地 在 Ｂ 神 经 网络 算 法 的 基 础 之 上 ， 合 变 尺 因 Ｐ 结
对于 二维信 息来说 ， 波分 解可以 用 小
多 传 感 器 遥 感 图 像是 一种 多 种 信 息 源 应 用 在 图像 处 理 和 场 量 处 理 领 域 。 具 采 集 到 的 图 像 信 息 集成 在 一 张 遥 感 图像 如 图 １ 示 的 示 意 图来 理 解 。 所
分 解 前 的 图像 被 定 义 为 第 一 层 图 像 进 行 图像 融 合 处 理 时 ， 用 的 是 负 梯 度 方 采
首 先 ， 照 小 波 塔 形 分 解 的 方 法 对 每 按
一
不是 太 大 。 过 小 波 分 解 ， 以 借 助小 波 的 通 可
源 图 像 进 行 小 波 变 换 ； 后 针 对 每 一 个 然
融 时 ， 于 传 感 器 信 息 的 处 理 技 术 也 随 之 提 方 向性 特 点 将 方 向 各 异 的 高频 分 辨 率 图像 分 解 层 进 行 融 合 ， 合 的 方 法 按 照 每 层 上 对
够 达 到 抗 干 扰 、 定的 科 学 数据 载 体 。 稳
会 大 大 增 加 ， 间消 耗 也 随 之 增 长 。 此 ， 时 因
被 分 解 为 水 平 方 向 上 的 图像 Ｌ ， 直 方 Ｈｌ 垂
向 上 的 图 像 ＨＬ１ 及 斜 对 角 线 上 的 图 像 以
基于小波变换的图像融合方法研究
ｔ ｎｆ ｍ ｉ ａｍａ ｒｂｅ ｋｈｏｇ ｈｓａｅ ． ｈ ａ ｅ ａｅ ｎ ｒｓａｃ ａｅｅ ｔ ｎｆｒ ｔｅｒ， ｒ ｓ ｒ ｓ ｊ ｒａ ｔｒｕ ｈ ｉ ｔｉ ｒａ Ｔ ｅｐ ｐ ｒｂ ｓｄｏ ｅｅｒｈｗ ｖ ｌ ａ ｓ ｍ ｏｙ ａ ｏ ｏ ｎ ｔｒ ｏ ｈ
ｓ ｏ ｔ ｔｔ ｓ ｍｅ ｈ ｄ ｃ ｎ ｅ ｈ ｎ ｅ ｗｅｌ ｔ ｅ ｓ ｅ ｔａ ｅ ｏ ｕ ｉｎ ｏ ｈｅ ｉ ａ ｅ ｎｄ ｉ ｅ ｓ ｏ ｃ ｒｙ ｏ ｔ ｈ ｗ ｈａ ｈｉ ｔ ｏ ａ ｎ ａ ｃ ｌ ｈ ｐ ｃｒ ｌ ｒ ｓ ｌ ｔｏ ｆｔ ｍ ｇ ，ａ ｓ ａ ｙ ｔ ａ ｒ ｕ ｔ ｅ ａ ａｙ ｉ ｎ ｅ ｏ ｎ ｔｏ ｆｔ ｅ ｉ ｇ ． ｈ ｎ ｌｓｓａ ｄ ｒ ｃ ｇ ｉｉ ｎ ｏ ｈ ｍａ ｅ
效果 ， 已成 为 现今研 究 的一个 热点 。 文着 重研究 基 本 于小 波变 换 的图像融 合方 法 ，提 出一 种高频 小波 系
分 辨 率 ． 于 对 图 像进 行分 析 和 识 别 。 便
关键 词 ： 图像融合 ； 小波变换 ； 传感器 ； 光谱 分辨率
中图 分 类号 ：Ｐ ５ Ｔ７ｌ 文 献标 识 码 ： Ａ ＤＯＩ１ ．９ ９／ ． ｓ ．Ｏ － ２ ０２ １ ．６０ ４ ：０３ ６ ｊｓｎ１ Ｏ１ ０ ７ ．０ ００ ．０ ｉ
ｄ ｒ ｃ ｅ ｌ ｃ ｍ ｅ ｔｆ ｒｈ ｇ ｆｅ ｕｅ ｃ ｖ ｌ ｔｃ ｅ ｃ ｅ ｔｏ ｈｅ ａｇ ｒｔ ｍ ，ａ ｅ ｔａ ａｈ ｍａ ｉｓ ｉｅ ｔｒ ｐ ａ ｅ ｎ ｏ ｉｈ－ｒ ｑ ｎ ｙ ｗａ ｅ ｅ ｏ ｆ ｉ ｎ ｆｔ ｌ ｏ ｉｈ ｉ ｎｄ ｕｓ ｄ ｍａ ｌｂ ｍ ｔ ｅ ｔｃ
基于小波变换的实时图像融合技术的实现
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
基于小波变换的遥感图像融合方法
Ｋｅ ｙ ｗｏｒ ：ｗａ ｅｅ ｔ ｓｏ ａｉｎ；ｆｓｏ ａｇ ｒｔｍ；ｆ ｓ ｎ ｐ ｉｃｐｅ ｄｓ ｖ ｌｔ ｒ ｆｒ ｔ ｎ ａ ｍ ｏ ｕ ｉｎ ｌｏ ｈ ｉ ｕ ｉ ｒ ｉｌ ；ｗａ ｅｅ ａｅ ；ｄ ｃ ｍｐ ｓｄ ｌｙ ｒ ｏ ｎ ｖ ｌｔ ｂ ｓｓ ｅｏ ｏ ｅ ａ ｅ
文 章 编号 ：６ ２ １ ３ ２ ０ ） ２０ ７ —４ １ ７ － ４ （０ ８ ０ ．０ ９０ ４
文献标识码 ： Ａ
基小 变 的感像合 法 于 波 换 遥 图 融 方
蔡 娜 ， 姚 志 强 ， 沙 晋 明
（． １福建师范大学 数 学与计算机科学学院， 福建 福 州 ３ ０ ０ ； ５ ０ ７ ２福 建师范大 学 地理科学学院， 福建 福 州 ３ ０ ０ ． ５０ ７）
Ｔｈ Ｒｅ ｏ ｅ ｅ ｓｎ Ｉ ａ ｅ ｅ ｍ ｔ Ｓ ｎ ｉ ｇ ｍ ｇ Ｆｕ ｉｎ ｓｏ Ｍ ｅ ｈ ｄ ｔ ｏ Ｂａ ｅ ｏ ｓｄ ｎ
Ｗ ａ ｅｅ Ｔｒ ｎｓｏ ｍ ｖ ｌｔ ａ ｆｒ
ＣＡ］Ｎ ａ，ＹＡＯ Ｚ － ｉ ｎ ＨＡ Ｊｎ ｍｉ ｚ ｈｉｑ ａ ｇ ，Ｓ ｉ － ｎｇ
ｎ ｂ ｒ ｅ ａｕ ｔ ｄ ｘ ｍ ｕ ｅ； ｖｌ ｅ ｉ ｅ ａ ｄ ｎ
０ 引 言
遥感 是一 种通 过传 感器 探 测 目标 ，获 取 目标
的清晰 度和 可识 别性 ，获得 单一 影像 所不 能提供
的特征信 息【 ” 。
信息 ， 后加 工处理 所 获取 的信 息 ， 而对 目标 进 然 从 行定 位 、 定性 或 定 量 的技 术 。 目前 ， 多平 台 、 时 多 相 、多光 谱和 多分 辨率 的遥 感 影像 数 据数 量急 剧
采用一定 的算 法生 成 一组新 的信 息 ，以提 高 图像
基于小波分解的图像融合算法的改进
收稿日期：2006-02-05 E-mail：jwzhang@ 基金项目：国家自然科学基金项目 (60573019)；广东省自然科学基金项目 (05103541,31340)。 作者简介：韩国强 (1962－)，男，江西临川人，博士，教授，博士生导师，研究方向为多媒体数据压缩与图像重建技术、大型科学与工程计算 等； 张见威 (1969－)，女，博士研究生，讲师，研究方向为图形学与图像处理； 徐广猛 (1978－)，男，硕士，研究方向为图像处理。
(a) 左边模糊
(b) 右边模糊 (c) 融合后的图像 (d) 原始图像
图 1 部分模糊的 Barbara 的融合效果
从 视 觉 效 果 来 看 ，这 种 算 法 在 处 理 局 部 模 糊 图 像 的 融 合 方 面 有 很 大 的 优 势 。这 个 融 合 规 则 的 优 点 在 于 以 局 部 区 域 为 单 位 ，而 不 是 单 个 像 素 之 间 进 行 比 较 ，在 更 大 的 范 围 内 保 证 了 融 合 后 图 像 的 视 觉 效 果 。 以 能 量 匹 配 度 为 平 衡 点 ，作 为 融 合 的 决 策 ，正 好 与 图 像 的 边 缘 或 者 纹 理 通 常 都 是 能 量 最 大 点 相 吻合。这也是最后融合效果较好的关键。
试验发现改变局部区域的大小对融合性能的影响不明 显 。 而 增 加 区 域 的 大 小 带 来 的 计 算 量 增 加 非 常 明 显 ，所 以 建
－ 1090 －
议使用 3× 3 作为局部区域。 1.3 阈 值 选 取 对 融 合效 果 的 影 响
算法中，阈值选取对融合过程及融合结果影响很大，下面 考 察 阈 值 的 选 取 对 不 同 类 型 图 像 融 合 效 果 的 影 响 。第 一 个 实 验用左边模糊和右边模糊的 Barbara 图像。第二个实验选取 含噪声的图像，如图 2 所示。
基于小波分解的多聚焦图像融合研究
基于小波分解的多聚焦图像融合研究作者：罗少鹏卢洵来源：《现代电子技术》2008年第06期摘要：研究基于小波分解的多聚焦图像融合算法，对源图像进行小波分解，采用不同融合规则构造融合图像的小波系数，最后逆小波变换重构融合图像，比较各种融合规则的特点，最后通过均方根误差，峰值信噪比、熵、互信息熵这些评价函数进行定量分析，结果表明，对于低频部分采用加权方法较好，对于高频部分采用方差对比法或能量对比法对高频部分的细节信息融洽效果较好。
关键词：小波变换；多聚焦；图像融合；图像处理中图分类号：O235，TP391 文献标识码：A文章编号：1004-373X(2008)06-072-03Different Focus Points Images Fusion Algorithm Based on Wavelet DecompositionLUO Shaopeng，LU Xun(College of Science，PLA University of Information Engineering，Zhengzhou，450001，China)Abstract：Different focus points images fusion algorithm based on wavelet decomposition is presented.The basic process is to perform a wavelet multi-scale decomposition of each source image，then the wavelet coefficients of the fused image are constructed according to different fusion rules，the fused image is obtained by taking inverse wavelet transform.With the use of parameters，the performance of the fusion scheme is evaluated and analyzed，the effective results are obtained.Keywords：wavelet transformation；different focus points；image fusion；image processing图像融合是对同一目标的多个图像进行配准、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[1]。
一种新的基于局部小波统计特性的多聚焦图像融合算法
（ 长沙大学计算机科学与技术 系 ， 湖南 长沙 ４００ ） １０３
摘
要： 改进 了局部 小波对 比度 的定 义． 出一种利用小波 变换 实现 多聚 焦图像 融合 的方法 ． 于新 的对 比度的融合 提 基
过程 ， 由源 图像上计算 的视 觉重要性构造 融合 图像对应 的小波 系数 ， 因而融合 图像更符合人 的视 觉特性 ． 仿真结果 利用熵 、
Hale Waihona Puke ｅ ｔ ｐ ，ｒｏ ｌａＩ ｑ ａ ｅｅＴ ｒ ｈｅ ｐ ｒ ｒ ａ ｃ ｆ ｅｆ ｓ ｎｓ ｈ ｍｅｉ ｅ ａｕ ｔ ｎ ｎ ｌｚ ｄ． ｅｅ ｐ ｒ ｎａ ｓ ｔ ｈ ｗ ｔａ ｔｅｆ — ｎ ｒ ｙ ｏ ｔ ｅ Ｉ ｓ ｕ ｒ ｉ ，ｔ ｅｆ ｍ ｎ ｏ ｔ ｕ ｉ ｃ ｅ ｏ ｎ ｏ ｏ ｅ ｈ ｏ ｓ ｖ ａｅ ａ ｄ ａ ａｙｅ Ｔ ｘ ｉ ｔ ｒ ｕ ｓ ｓｏ ｈ ｔ ｌ ｄ ｈ ｅ ｍｅ ｌ ｅ ｌ ｈ ｕ
ｐ ｓｔ ｎ ｉ ｐ ｅ ｅ ｔ ｏ ｉ ｏ ｒ ｓ ｎｅ ｉ ｓ ｄ．Ａ ｏ ｄｎ ｅｎ ｗ ｗ ｖ ｌｔ ｎｒｓ ｅ ｎｔ ｎ ｈ ｅ ｗ ｖ ｌｔｃ ｅｆ ｉｎｓ ａ ｔｅｆ ｓｄ ｉｌｇ ｒ ｎ ｔ ｃｅ ｙ ｕ ｉｇ ｃ ｅ ｒ ｉｇ ｔ ｔ ｅ ａ ｅｅ ｃ ｔ ｔｄ ｉｉ ，ｔ ａ ｅｅ ｏ ｆｃｅ ｔ ｆ ｅ Ｉ ｅ ｔｅ ｃ ｓｒ ｔ ｂ ｓ ｏｈ ｏ ａ ｆ ｉ ｏ ｉ ｈ ｕ Ｉａ ｉ ｏ ｕ ｄ ｎ
ｈ Ｏｌ ￣ ｔｅＳＵＯ ＇
’ ｉ ａ ｅ ｓｔ ｉ ．Ｓ ｅｒｓ ｔｉ ｌ０ｅｓｉ ｂｅｆｒ ｕ ｎｖｓ ｎ ｓｖｓ ｌｓｎ ｉｖｔ ｏｔ ｕ ｓｌ ｒ ｕｔ ｌ ｍａ ｉｉ ．Ｗｉ ｅｕｅａ ｔｅｐ ｒｍｅｅｓｓ ｃ ｓｅｔ ｐ ，ｃｏ８ ｕ ｉ ｙ ｈ ｅｌ ｌ ａ ｏｈ ｏ ｈｈ ｔ ｔ ｓ ｆｈ ａａ ｔ ｕ ｈａ ｎｒ ｙ ｒ６ ｒ ｏ
基于信号检测理论的图像融合技术研究
基于信号检测理论的图像融合技术研究随着科技的不断发展和进步，图像技术在各个领域的应用越来越广泛。
其中，图像融合技术是一项非常重要的应用，它可以将多幅不同传感器获得的图像融合在一起，从而得到更加全面、清晰、准确的图像信息。
而基于信号检测理论的图像融合技术，具有高准确性、高稳定性、高实用性等优点，因此备受关注和研究。
一、基于信号检测理论的图像融合技术的基本原理信号检测理论是一种数学方法，它用来分析在给定的随机背景下，如何对一个信号进行检测。
信号检测理论主要研究如何通过信号与背景的比较，判断信号是否存在。
在图像融合中，信号就是要获得的最终图像，背景就是原始图像、传感器噪声等。
基于信号检测理论的图像融合技术，通过对多幅原始图像进行相应计算和分析，得到一副融合图像。
这个过程中，需要对每一幅原始图像分别进行处理和分析，同时还需要解决图像配准、图像拼接、图像融合等问题。
具体来说，该技术利用了图像频率分析、图像分解和图像重建等方法，将多张原始图像融合成为一张高质量的图片。
二、基于信号检测理论的图像融合技术的主要方法（一）小波变换法小波变换法是一种信号处理方法，在图像融合中也有着广泛的应用。
该方法的基本思想是，将原始图像分解成若干个不同频率的子带，然后对不同子带进行加权求和，得到融合图像。
这样做的好处是可以更好地保留图像的细节信息，在低频部分则能更好地保留图像的整体特征。
（二）多分辨率分析法多分辨率分析法也是一种经典的图像融合方法。
该方法将原始图像分解成不同的分辨率，在不同的分辨率上进行加权融合，最终得到融合图像。
这个过程中，可以根据需要调整不同分辨率上的权值，以达到最优的融合效果。
（三）遗传算法法遗传算法法是一种基于自然选择和遗传机制的搜索算法，可以用来求解优化问题。
在图像融合中，可以使用遗传算法法得到最优的加权系数。
首先，将原始图像随机划分成若干个子图像，然后通过遗传算法计算子图像之间的权重，最终得到融合图像。
基于融合技术的小波变换的弹孔检测算法
基于融合技术的小波变换的弹孔检测算法小波变换是一种最近几十年来被广泛应用于信号处理研究中的
一种数学工具，它可以用来分析图像中的细节。
本文介绍了一种基于融合技术的小波变换的弹孔检测算法，目的是检测弹孔的尺寸和位置，使得对具有不同类型的弹孔的有效识别变得更加有效。
研究表明，在图像处理过程中，传统的小波变换只能提取有限的空间频率特征，无法有效地检测弹孔的尺寸和位置，因此，通过采用融合算法，将小波变换与其他模型相结合可以提高检测弹孔尺寸和位置的准确性。
基于融合技术的弹孔检测算法的主要步骤如下：首先，采用小波变换，从图像中提取低频特征；其次，将提取的低频特征与具有特定形状的滤波器模板相结合；然后，采用模板匹配的方法检测弹孔的位置；最后，采用多次投影法检测弹孔的大小。
该算法可以对具有不同类型的弹孔进行有效识别，并多次投影可以提高检测弹孔位置和大小的准确性。
相比于传统的小波变换，该算法可以更有效地检测弹孔的尺寸和位置，从而提高检测效率和准确性。
然而，该算法仍然存在一些局限性。
首先，小波变换可能会丢失部分高频特征，因此，在识别弹孔的过程中，可能出现识别错误的情况；其次，融合算法使检测算法的复杂度大大增加。
因此，在实际应用中，需要考虑两个方面来提高系统的精度。
首先，需要采用更好的小波变换模型，以捕捉图像中更多的空间频率特征，从而避免过度滤波的情况；其次，可以采用结合模型训练技术，
改进模型，以提高检测准确性。
本文介绍了一种基于融合技术的小波变换的弹孔检测算法，该算法可以有效识别不同类型的弹孔，提高检测准确性。
但是，由于小波变换可能会丢失部分高频特征，以及融合算法使检测算法的复杂度大大增加，在实际应用中仍然需要进一步研究和完善。
小波变换在图像融合中的应用-四川大学硕士学位论文
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]。
基于小波变换的红外与可见光图像融合技术研究
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
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。
小波变换在图像融合中应用探讨
它可 以像 “ 数学 显微镜 ” 一样“ 聚焦 ” 到 图像 中的某个 细节 上 ， 这 主要 是通 过对 高频 成分采 样做 到 的 ， 而 且 该取 样步 长在 时域 上是逐 步精 细 的 。它 还具有 非冗
第三步 ，对融合后的分解系数再进行某种形式
的多尺 度重 构 ， 最 终得 到融 合后 的 图像 ：
层特征级图像融合所提取特征信息 ， 通过采用恰
当 的融合 技 术来 实 现 ， 决 策级 融合 是 三 级 融合 里 最
高层次的融合。具有容错性强 、 开放性好 、 融合中心
Ｘ＝ Ｍ Ｓ Ｄ （ ｛ ’ ｝ ）
融
由
厶
用
ｏ ） ： Ｓ １ ． ２ 』
数的 影响， 并 直接 影响 到 融合的 效果。 下面 先来 看看
小波基 的几个重要特性 ： （ １ ）紧支性 。该 性 能反 映 了小 波基 的局 部化 能
对偶提升步包括 ， 应用一个滤波器得到偶数采 样点 ， 提取 结果 ：
探 讨
５ ４
的改造方案 ， 其高频分量是通过使用基本 的多项式 插补来获取的 ， 而低频分量则是通过构建 尺度 函数
来获取的。将提升格式的小波变换应用于图像分解
相对 于传 统 的小 波变换 在 实时 陛上 有很 大程 度 的改
பைடு நூலகம்ｒ
（ ｉ － Ｓ ¨ （ ｏ＝Ｓ
．
一
． ］
小
波
符 号级 融 合是 从 具体 的决 策 问题 需要 出发 ， 利 用 上
一
｛ ｝ ＝ Ｍ Ｓ Ｄ （ Ａ ） ｛ ｝ ＝ Ｍ Ｓ Ｄ （ Ｂ ）
基于小波变换与局部离散度的多聚焦图像融合算法
ห้องสมุดไป่ตู้
Ｓ ｐ．， ０ ｅ ２ ０６
Ｖ １２ Ｎｏ ３ ｏ．Ｏ ．
基 于小 波 变 换 与 局 部 离散 度 的 多聚焦 图像 融合 算 法
田江华 ， 熊邦书 ， 施琴红
（ 昌航 空工业学院， 南 江西 南 昌 ３ ０６ ） ３ ０ ３
［ 关键词】 多聚焦 图像融合 ； 小波变换 ； 局部离散度 ； 重要度 ［ 摘 要】 提 出了一种基于小波变换与局部离散度 的多聚焦图像融合算法 。首先对不同聚焦 图像进行小波变换 ， 然后采用 局部离散度准则对各个方向上的高频 系数进行融合 ， 用重要 度准 则对低频系数进行融合 ， 后对融合后 的小 波 系数 进行 采 最 重构 ， 得到 了很好的融合图像。实验结果表明 ， 融合效果优 于取绝对值大的小波系数和 区域方差准则的融合算 法。 ［ 图分类号 】 Ｔ ３ １４ 中 Ｐ ９ ．１ ［ 文献标识码 】 Ｂ ［ 文章编号】 １０ — ９６ ２ ０ ）３— ０ ０ ０ ０ １ ４ ２ （０ ６ ０ ０ ２ — ３
多聚焦 图像融合是图像融合的一个重要分支 ， 将相同成像条件下 ， 对某一场景 中的不同 目 标进行分别聚 焦成像 ， 按照一定的融合准则融合成一幅新的图像 ， 其中所有 目 标都是清晰的。该技术广泛应用于 自动 目标 识别 、 计算机视觉 、 遥感 、 机器人 、 医学图像处理以及军事应用等领域。 多聚焦图像融合的方法主要可分为两类 ： 一类是直接对多聚焦 图像进行融合…。文献 ［ ］ １ 采用块区域
基于小波系数方向特性的图像融合新算法
Ｎ ３ ｏ． Ａｕ ２ ０ ｇ． ０ ８
第 ３期
基 于 小 波 系数 方 向特 性 的 图像 融合 新 算 法
王相海 ， 志光 ，周 一
（ ． 宁师 范 大学 计算机 与信 息技 术 学院 ， 宁 大连 １６２ ； １辽 辽 １０９ ２ 计算机软件新技术国家重点实验 室（ ． 南京大学）江苏 南京 ２０９） ， １０３
摘 要 ： 介绍了图像的提升方案小波变换差统计了图像经小波变换后各高频子带系数的方向区域特性 ， 据此提
出 了一种新的基于小波系数方 向特性 的图像融合方法 ． 对于低频 子带 的每个 系数 ， 采用加权 平均 的融 合规则确 定 低频融合系数 ； 于各 高频 子带的每个系数 ， 对 根据其所在子带 的方 向特征 ， 采用方 向特 性的融合规则 确定高频 融合系数 ． 本文对 多幅图像 进行 了融合仿真实验 ， 并用信息熵 和平均梯 度对融合结果进行 了客观的评价 ． 实验结
算子的不同， 现有两种 比较典型的基于小波的图像融合方法 ， 即基于加权平均 的图像融合方法－和基于小 ６ Ｊ
波系数相关性的图像融合方法【 前者通过对小波变换后 的低频子带系数和高频子带系数进行加权 ， ． 得出 融合系数 ． 该方法简单直观 、 适合实时处理 ， 但是不足之处在于 ： 该方法只是将待融合系数进行孤立的加权 处理 ， 却忽略了相邻小波系数问的区域相关性 ， 进而导致融合精度 的降低 ； 后者对 于待融合图像 的低频子 带小波系数采用加权平均的融合规则 ， 而对于高频子带系数 ， 则通过计算待融合 系数 的区域相关系数， 从 而自 适应地确定融合系数 ． 该方法有效地改进了加权平均的图像融合方法 ， 取得 了较好的融合效果 ． 然而 ，
维普资讯
一种基于IHS和小波变换的彩色图像融合算法
优 于单 纯的基 于 Ｉ Ｓ 小泼 变换的 融合 ， 保 留昼 夜彩 色图像信 息 的基 础 上 ， 强 了融合 图像 的 空 间细 节表现 Ｈ 和 在 增 能 力 ； 用客观 评价 标 准对算 法进行 了定量 的分析 。 并
关键 词 ：彩 色图像 融 合 ；小波 变换 ；Ｉ ＨＳ变换
中 图法 分类 号 ：Ｔ ３ １ Ｐ ９
文献 标识 码 ：Ａ
文章 编号 ：１０ ．６５ ２０ ）００ ７．３ ０ １３９ （０６ １—１４０
Ｃ ｌｒＩ ｇ ｕ ｉｎ Ａｌｏ ｉ ｍ ｓ ｄ ｏ ＨＳ ａ ｄ Ｗ ａ ｅｅ ｒｎ ｆｒ ｔ ｎ ｏｏ ｍａ ｅ Ｆ ｓｏ ｇ ｒｔ Ｂａ ｅ ｎ Ｉ ｎ ｖ ｌｔＴ ａ ｓ ｍａｉ ｈ ｏ ｏ
ｍ ｔ ａｙｃｐｕｅ ｏ ｘｄｃｍ ｒ ａ ｄｉｓｒ ｄｆ ｍ ａ ａ—ｍｅ ｍ ｇ ｏ ｔｅｓｍ ｃｎ ） ｕ ｔｏ ｒｓｒｅ ｐ ｒ ａ ｃｌ ａｔｒｄｆ ｍ ａｆ ｅ ａ ｅａ ｎ ｅ ｅ ｏ ｙｔ ａｅ（ ｆ ａ ｅｓｅｅ ．Ｏ ｒ ｈ ｄｐｅｅｖｓｍ ｏ— ｉ ｌ ｒ ｉ ｎ ｔ ｒ ｄ ｉ ｉ ｈ ｍｅ ｉ
维普资讯
・
１４・ ７
计算机应用研究
２ ０ 矩 ０６
一
种 基 于 Ｉｓ和小 波 变换 的 彩 色 图像 融合 算 法 ｌ ｌ
唐 国良 ，普杰信 ，黄心汉
（． 南科技 大 学 电子信 息工 程 学院 ， 南 洛 阳 ４ １３ ；２ 华 中科技 大学 自 系， 北 武 汉 ４０７ ） １河 河 ７０ ９ ． 控 湖 ３０４