基于NSCT的图像融合

合集下载

基于NSCT的自适应多聚焦图像融合算法

基于NSCT的自适应多聚焦图像融合算法施文娟【期刊名称】《微型机与应用》【年(卷),期】2012(031)019【摘要】针对非降采样轮廓波变换（NSCT）具有多尺度、方向性和平移不变性等特点，为改善融合后图像模糊现象，提出了一种基于区域特性的非降采样轮廓波变换的多聚焦图像融合算法。

该算法结合NSCT的特点，将图像进行NSCT，变换为不同方向的各子带信息；然后基于局部均值和局部方差选择低频子带系数，并在带通方向子带中引用局部方向对比度作为测量算子来选择带通方向子带系数；最后，通过反变换得到融合图像。

实验结果表明，本算法融合效果优于传统的加权平均、小波变换及NSCT算法。

%For the nonsubsampled contourlet transform (NSCT)has features of flexible multi-scale, multi-direction and shiftinvariance, to solve the fuzzy phenomenon of fusion images, an adaptive multi-focus image fusion algorithm is proposed based on NSCT and regional feature. It effectively combines characteristics of NSCT, after NSCT, images change into subband information of different direction. The lowpass subband coefficients is selected based on the local energy and local variance. The bandpass directional subbands coefficients is selectedby introducing the local directonal contrast as measuring operator. At last, fusion image is obtained through inverse transform. Experimental results indicate that this algorithm performs better than the traditional methods based on weighted average, the wavelet transform and NSCT.【总页数】3页(P45-47)【作者】施文娟【作者单位】盐城师范学院物理科学与电子技术学院,江苏盐城224002【正文语种】中文【中图分类】TN941【相关文献】1.基于NSCT和边缘能量的PCNN多聚焦图像融合算法 [J], 杨波2.基于NSCT与自适应PCNN的多聚焦图像融合方法 [J], 任风华;符强;纪元法3.基于局部目标特征提取和NSCT变换的多聚焦图像融合算法 [J], 贺养慧4.基于NSCT自适应红外与可见光融合算法 [J], 罗文5.一种基于清晰度计算的NSCT域多聚焦图像融合算法 [J], 米德伶;冯鹏;魏彪;郑小林因版权原因，仅展示原文概要，查看原文内容请购买。

基于NSCT-PCNN变换的多传感器图像融合

具有线状奇异的函数小波系数则不能稀疏地表示，因而不能充分表示图像本身的几何特性。为了解决
小波变换的不足，Ａ．ＬＣｕｎｈａ等人在２００６年提出了非下采样Ｃｏｎｔｏｕｒｌｅｔ变换（ｎｏｎｓｕｂｓａｍｐｌｅｄｃｏｎｔ —
采样金字塔（ｎｏｎ — ｓｕｂｓａｍｐｌｅｄｐｙｒａｍｉｄ，ＮＳＰ），用来
确保ＮＳＣＴ的多尺度分析性质； ② 非下采样方向滤
波器组（ｎｏｎ — ｓｕｂｓａｍｐｌｅｄｄｉｒｅｃｔｉｏｎａｌｆｉｌｔｅｒｂａｎｇｒｇ．
基于ＮＳＣＴ — ＰＣＮＮ变换的多传感器图像融合
郝爱枝郑晟
（太原理工大学信息工程学院，太原０３００２４）
摘要针对同源和异源的多传感器图像的特征，提出了一种基于非下采样Ｃｏｎｔｏｕｒｌｅｔ变换（ＮＳＣＴ）和脉冲耦合神经网络（ＰＣＮＮ）的新的图像融合算法。首先，用ＮＳＣＴ对已配准的源图像进行分解，从而准确地提取出了二维和更高维的边缘纹理信息；其次，对低频子带系数采用区域方差进行了整合，从而得到融合图像的低频子带系数，而对高频子带系数提出了一种改

基于NSCT和ICA的红外和可见光图像融合方法_邢雅琼

２］，图像领域［而多源图像融合在导航和目标追踪的应用中
显得越来越重要。一方面，红外传感器通过对背景信息和目标信息辐射强度的不同形成热感图像，虽然红外图像可以突出目标信
；修回日期：；网络优先出版日期：。收稿日期：２０１２１２０３２０１３０４１３２０１３０７０４－－－－－－：／／／／／网络优先出版地址：ｈｔｔｗｗｗ．ｃｎｋｉ．ｎｅｔｋｃｍｓｄｅｔａｉｌ１１．２４２２．ＴＮ．２０１３０７０４．１３３５．００６．ｈｔｍｌｐ）基金项目：国家自然科学基金（资助课题６０９７５０２６，６１２７３２７５
见光图像所具有的空间分辨率能够准确地表达类似于边缘、纹理等细节信息，并可以捕捉到图像的背景信息合人类的感知与理解。小波变换的出现是对图像进行多分辨率分析的里程碑，其可以对图像进行多尺度分解后，在变换域中进行图像融合，比起线性变换的融合方法，小波变换的图像融合质量
直到2003年轮廓波的出现使得图像融合技术有了进一步的发展轮廓波变换contourlettransformct不仅能够对图像进行多尺度分解还能够以稀疏表达的形式来表达图像在图像融合领域取得了较好的效ct由于在图像分析过程中需要上下采样使得其变换不具备平移不变性为了进一步弥补ct存在的这一问题研究人员提出了基于非下采样轮廓波变换nonsubsampledcontourlettransform10的图像融合方nsct不仅可以对图像进行多尺度分解还能进行多方向分解而且具有平移不变性减小了图像出现gibbs象的概率11可以较好地表达出图像细节

基于NSCT和区域分割相结合的图像融合新算法的开题报告

基于NSCT和区域分割相结合的图像融合新算法的开题报告一、选题背景随着各种先进影像采集设备（如卫星、飞机、无人机等）的快速发展，获得的多源数据增多，为了得到更高质量的图像，人们采用了图像融合的方法。

图像融合由于其可以增强原始图像的信息、减少噪声等优点，在遥感、医学影像、工业制造等领域得到了广泛的应用。

目前，图像融合的方法有许多种，其中以小波变换（WT）和其扩展算法为主。

但它们在处理边缘和纹理信息时表现不佳，且在处理多源数据及具有尺度和方向差异的图像时存在困难。

因此，开展图像融合新算法的研究仍具有重要意义。

二、研究内容本项目旨在提出一种基于NSCT和区域分割相结合的图像融合新算法。

该算法将NSCT变换与区域分割结合，以提高图像融合质量。

主要工作包括：1. NSCT变换的研究。

NSCT是一种将图像分解为不同方向和不同频率的小波系数的变换方法。

与WT相比，NSCT可以更好地处理边缘和纹理信息，并对非平稳信号具有更好的适应性。

2. 区域分割的研究。

区域分割是将图像分割成许多具有相似特征的区域的方法。

通过区域分割可以获得更具代表性的特征，并减弱混淆现象，提高融合质量。

3. 基于NSCT和区域分割相结合的图像融合新算法的设计与实现。

该算法将NSCT变换和区域分割相结合，以提高图像融合质量。

通过对实验结果的分析，验证算法的有效性。

三、技术路线1. NSCT变换的实现。

对于NSCT变换，可以通过设计多个小波核函数来进行。

针对本项目需求，可以通过C++语言实现NSCT变换。

2. 区域分割算法的设计。

区域分割是图像处理的一项前沿研究领域，其被广泛应用于图像分割和特征提取中。

在本项目中，可以采用基于能量最小化和阈值分割的区域分割算法。

3. 基于NSCT和区域分割相结合的图像融合新算法的设计与实现。

该算法主要分为两个步骤：首先对输入图像使用NSCT变换；然后通过区域分割算法分别对输入图像和变换后的图像进行分割，分别提取相应的特征，最终通过特征融合的方法得到融合图像。

基于NSCT的红外与可见光图像融合方法研究

撒光与光电字学进展
５２，０６１００２（２０１５）
Ｌａｓｅｒ＆０ｐｔＯｅｌｅｃｔｒｏｎｉｃｓＰｒｏｇｒｅｓｓ
￣２０１５（中国激光》杂志社
基于ＮＳＣＴ的红外与可见光图像融合方法研究
ＡｂｓｔｒａｃｔＡｆｕｓｉｏｎｍｅｔｈｏｄｆｏｒｉｎｆｒａｒｅｄａｎｄｖｉｓｕａｌｉｍａｇｅｓｂａｓｅｄｏｎｌｏｃａｌｅｎｅｒｇｙａｎｄｎｏｎ — ｓｕｂｓａｍｐｌｅｄＣｏｎｔｏｕｒｌｅｔ
够取得较好的视觉效果和量化数据，相比于其他基于ＮＳＣＴ的融合方法，熵值提高了Ｏ．５％～６．８％，空间频率提高了１％～
１３％，标准方差提高了０～２４．１％，是一种简单有效的融合方法。关键词图像处理；非下采样轮廊波变换；图像融合；红外图像；可见光图像；区域能量
陈木生。蔡植善
泉州师范学院物理与信息工程学院，福建泉州３６２０００信息功能材料福建省高校重点实验室，福建泉州３６２０００摘要针对红外与可见光融合的特点，提出一种基于非下采样Ｃｏｎｔｏｕｒｌｅｔ变换（ＮＳＣＴ）和区域能量判断的图像融合

基于方向区域的NSCT图像融合算法

中图分类号：ＴＰ３９１文献标识码：ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－５０７８．２０１３．０２．０１９
Ｎｏｎｓｕｂｓａｍｐｌｅｄｃｏｎｔｏｕｒｌｅｔｉｍａｇｅｆｕｓｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｄｉｒｅｃｔｉｏｎａｌｒｅｇｉｏｎ
第４３卷第２期
２０１３年２月
激光与红外
ＩＡＳＥＲ＆ＩＮＦＲＡＲＥＤ
Ｖｏ１．４３．Ｎｏ．２Ｆｅｂｒｕａｒｙ，２０１３
文章编号：１００１－５０７８（２０１３）０２－０号处理・
基于方向区域的ＮＳＣＴ图像融合算法
周生龙，张涛，蒯多杰，郑健，周志勇
（１．中国科学院长春光学精密机械与物理研究所，吉林长春１３００３３；２．中国科学院研究生院，北京１０００３９；
ｉｓｏｂｔｍｎｅｄｔｈｒｏｕｇｈｉｎｖｅｒｓｅｔｒａｎｓｆｏｍａｒｔｉｏｎ．Ｓｉｍｉｌａｒｔｏｔｈｅｃｏｎｔｏｕｒｌｅｔｔｒａｎｓｆｏｍｒｍｅｔｈｏｄ，ｔｈｅｒｅｓｕｌｔｏｆｔｈｉｓａｐｐｒｏａｃｈｉｓｍｕｈｉｓｃｌａａｒｎｄａｍｕｈｉｄｉｒｅｃｔｉｏｎｌａｉｍａｇｅｄｅｃｏｍｐｏｓｉｔｉｏｎｗｉｔｈｇｏｏｄｍｕｈｉｒｅｓｏｌｕｔｉｏｎ．Ｉｔｉｓｌｓａｏｓｈｉｔｆ — ｉｎｖａｒｉａｎｔ．Ｅｘｐｅｉｒｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｏｕｔｐｅｒｆｏｒｍｓｔｈｅｔｒａｄｉｔｉｏｎｌａｔｒａｎｓｆｏｍｒａｎｄｉｍｐｒｏｖｅｓｔｈｅｑｕｌｉａｔｙｏｆｔｈｅｆｕｓｅｄｉｍ—

基于NSCT的图像融合方法研究

基于NSCT的图像融合方法研究基于NSCT的图像融合方法研究摘要：图像融合是计算机视觉领域中的一个重要研究方向，其目标是将多幅具有不同信息的图像融合在一起，以获得具有更多信息和更好质量的合成图像。

近年来，随着小波变换等多尺度分析方法的发展，基于非凡赫赫变换（NSCT）的图像融合方法逐渐成为研究热点。

本文将对基于NSCT的图像融合方法进行深入研究，介绍其基本原理和关键技术，并通过实验验证其有效性。

1. 引言图像融合是多幅图像合成为一幅整体更具信息量和视觉质量的图像的过程。

在许多领域中，如军事、医学、遥感等，图像融合技术被广泛应用。

传统的图像融合方法主要包括像素级融合和变换域融合。

近年来，随着小波变换等多尺度分析方法的发展，基于NSCT的图像融合方法逐渐受到研究者的关注。

2. NSCT基本原理非凡赫赫变换（NSCT）是一种多尺度、多方向和非定常分析的方法，具有更好的时间频率局部性和可分离性。

NSCT是对图像进行多分辨率分解和多方向滤波的过程，其基本原理是将图像分解为多个尺度和方向的子带图像，得到图像的低频和高频信息。

3. NSCT图像融合方法基于NSCT的图像融合方法主要包括分解、融合和重构三个步骤。

首先，将待融合的图像分别进行NSCT分解，得到各自的低频和高频子带图像。

然后，通过选择合适的融合规则和权重，对高频子带图像进行融合，得到融合后的高频子带图像。

最后，将融合后的高频子带图像与低频子带图像进行重构，得到最终的融合图像。

4. NSCT图像融合算法改进为了进一步提高基于NSCT的图像融合方法的性能，研究者们提出了一系列的改进算法。

其中，包括加权融合算法、阈值融合算法和选择性保留算法等。

这些改进算法主要通过调整融合规则和权重，改善融合效果，并增强融合图像的目标信息和细节信息。

5. 实验结果与分析为了验证基于NSCT的图像融合方法的有效性，我们进行了一系列的实验，并对比了不同算法的融合效果。

实验结果表明，基于NSCT的图像融合方法相较于传统的融合方法，能够更好地保留融合图像的目标信息和细节信息，具有更好的视觉效果和主观质量。

一种基于NSCT和像素相关性的图像融合算法

频系数和高频系数融合规则。低频系数融合用基于能量方差决策值最大法，可以有效提高图像融合质量；高频系数融合规则
用区域对比度与区域能量相结合的方法，可以减少噪声干扰。得到低频和高频融合系数后，通过ＮＳＣＴ反变换重构图像，得到
融合图像。最后选用４种常用的图像融合方法与此文算法进行对比仿真实验。通过主观观察和客观指标的比较，充分证明此文融合算法的优越性。
优” 表示含线或者面奇异的二维图像。用小波变换
规则的制定和融合算法实现。因此，本文采用ＮＳＣＴ变换作为图像融合的多尺分模糊的现象。为了克服小波处理二维和高维信号的缺点，Ｍ．Ｎ．ＤＯ
ｎｏｎ），导致融合的图像失真。Ａ．Ｌ＿ｄａＣｕｎｈａ等人提
出的非采样ｃｏｎｔｏｕｒｌｅｔ变换（ＮｏｎｓｕｂｓａｍｐｌｅｄＣｏｎｔｏｕｒ－ｌｅｔｔｒａｎｓｆｏｉｎ３，ＮＳＣＴ）不仅继承了ｃｏｎｔｏｕｒｌｅｔ变换的全
研究内容。图像融合有很多方法，传统的包括加权
平均法、对比调制法、塔式分解法、小波变换等，其中小波变换技术由于具有良好的时频局部化和多分辨特性得到广泛重视，并且取得了很好的发展，
成为图像融合的重要手段。但是一维小波通过张
７５９４７２０６６＠ｑｑ．ｃｏｎ。ｒ

基于NSCT的红外与可见光图像融合算法

者的有机结合使得ＮＣ具有Ｃｎｕｅ变换的多尺度和多ＳＴｏｔｒｔｏｌ
方向性，同时还具备了平移不变性。图１给出了ＮＣＳＴ的结
构示意图。
波基只能获得水平、直和对角３个方向上的信息，垂无法精
确表述图像边缘方向信息，也不能最优表示含线或面奇异的
的目标信息；可见光图像光谱信息丰富，动态范围大，比度对相对较高，含丰富的细节信息，在黑暗背景下不易观包但察。通过对红外与可见光图像的融合，提高红外目标的可识别度和图像的清晰度，获得更加详细准确的信息，可以使我们能在恶劣的环境下也能准确判断热源的位置，在军事作
息加以综合，生成新的有关此场景解释的信息处理过以程ｕ。红外与可见光图像融合则是在军事领域和安全监控领域具有广泛应用的一种图像融合方式。红外图像一般较
可以获得图像任何方向的信息。因此本文采用基于ＮＣＳＴ
第３３卷
第７期
四川兵工学报
２１０２年７月
【光学工程与电子技术】
基于ＮＣＳＴ的红外与可见光图像融合算法
王跃华，忠祥陶
（空军航空大学航空军械工程系，长春１０２）３０２
摘要：针对红外与可见光图像融合，提出了一种基于ＮＣＳＴ的图像融合方法。首先对图像进行ＮＣＳＴ分解；然后对分
捉” 二维图像的几何结构，由于在变换中需要进行上采样但和下采样操作，因而不具备平移不变性，存在频谱混叠现象。而ＮＣＳＴ则不仅具有小波变换的多分辨率和时频局部化特

基于NSCT变换的医学图像融合研究

ｔｒａｎｓｆｏｎＴｌｗｉｔｈｍｏｒｅａｄｖａｎｃｅｄｍｕｌｔｉ．ｒｅｓｏｉｕｔｉｏｎａｎｄｍｕｌｔｉ．ｄｉｒｅｃｔｉｏｎｌａｄｅｃｏｍｐｏｓｉｔｉｏｎｉｓｉｎｔｒｏｄｕｃｅｄｔｏＣＴａｎｄＭＲＩｍｅｄｉｃａｌｉｍａｇｅｆｕｓｉｏｎｆｏｒ
第３０卷第４期
２０１３年４月
计算机应用与软件
ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ
Ｖｏ１．３ＯＮｏ．４Ａｐｒ．２０１３
基于ＮＳＣＴ变换的医学图像融合研究
ＣＴ和ＭＲＩ医学图像融合中进行研究，并针对医学图像的特点，提出一种改进的中心区域能量加权平均融合规则。进行基于ＮＳＣＴ
变换的不同融合规则的医学图像融合仿真实验，并与Ｃｏｎｔｏｕｒｌｅｔ变换规
田秀华兴旺
（辽宁３－程技术大学机械工程学院辽宁阜新１２３０００）（中国移动通信集团辽宁有限公司葫芦岛分公司辽宁葫芦岛￣２５０００）
摘
要
为了提高医学图像的质量，为医学诊断提供可靠的信息依据，将更为先进的多分辨率、多方向分解的ＮＳＣＴ变换引入到
ＲＥＳＥＡＲＣＨｏＮＮＳＣＴ— ＢＡＳＥＤＭＥＤＩＣＡＬＩＭＡＧＥＦＵＳＩｏＮ

基于NSCT的图像融合算法

有良好的空域和频域的局部化特性，在图像融合领域得到了广泛的应用。但小波变换在一维时所具有的特
用一种混合的融合规则，实验结果显示，该算法优于
法。可获得较理想的融合图像。关键词：图像融合；小波变换；非下采样Ｃｎｏｒｔ变换ｏｔｕｌｅ
ＩａｅＦｕｓｏｇｒｔｍｇｉｎＡｌｏｉｈｍｓｄｏｈｅＮｏｓＢａｅｎｔｎｕｂｓｍｐｅｎｔｕｒｅａｆｒａｌｄＣｏｏｌｔＴｒｎｓｏｍ
ＡｓａｔＡｎｗｉｇｓｎａｏｉｍｒｐｓｄｂｓｄｏｅｎｎｕｓｍｌｏｔｕｌａｓｒ（ＳＴ．ｂｔｃ：ｒｅｍａｅｆｉｌｒｈｉｐｏｏｅａｅｎｔｏｓｂａｐｅＣｎｏｒｔｒｎｆｍＮＣ）ｕｏｇｔｓｈｄｅｔｏ
２年第１０７０９卷第１期２
计算机系统应用
王
摘
丹
周锦程
（黔南民族师范学院数学系贵ｊ都匀５８０），ｉ１５００
要：在基于非下采样Ｃｎｏｒｔ￣ＡＮＣ）＝出了一种新的图像融合算法。对经ＮＣｏｔｕｌｅ（ＳＴＡ提ＳＴ的低频子带
ｒｓｌｏａｔｅｒｓｎｅｇｒｈｏｖｏｓｒｖｓｅｉａｑａｉｎｂｅｔｅｎｅｅ．ｅｕｔｓｗｔｔｈｅｅｔａｏｉｍｉｌｉｏｅｓｌｕｌｙｄｊｃｖｄｘｓｓｈｈｐｄｌｔｂｕｙｍｐｈｔｖｕｔａｏｉｉ

基于NSCT和约束NMF的图像融合水印算法

ＡＮＤＣｏＮＳＴＲＡＩＮＥＤＮＭＦ
ＷｅａｍｉｉＸｉｎｎ（ｃｏｌｆＣｍｕｅＥｇｎｅｎＳｈｏｏｐｔｎｉｅｒｇ，Ｗｉｎｎｖｒｔ，Ｗ扣ｎ６０１ＳａｄｎｏｒｉｅａｇＵｉｓｙｅｇ２１６，ｈｎｏｇ，Ｃｉａｆｅｉｈｎ）
基于非采样Ｃｎｏｒｔｏｔｕｌ变换和约束ＮｅＭＦ结合的图像融合水印算
法。水印信息通过非负矩阵分解融合嵌入到图像ＮＣＳＴ分解系
数之中。与传统ＮＦ相比，Ｍ约束Ｎ、ＭＦ运算复杂度低，离效果分
好、分解结果唯一。仿真实验结果表明该算法具有较强的鲁棒
性和较大的嵌人容量。
觉性、鲁棒性、抗检测性，并含有认证敏感信息的数字编码技术，主要用于解决数字媒体版权保护中设置识别标记的问题… 。作为一门新兴学科，数字水印在通信、计算机、密码学等领域取
关键词
中图分类号
数字水印非采样Ｃｎｏｒｔｏｔｌ变换非负矩阵分解图像融合ｕｅ
Ｔ３９Ｐ０文献标识码Ａ
ＤＩ１．９９ｊｉｎ１０－８ｘ２１．９０７Ｏ：０３６／．ｓ．００３６．０２０．３ｓ
ＩＡＧＥＦＩＭＵＳｏＮＡＴＥＲＭＡＲＫＩＷＮＧＧｏＲＩＡＬＴＨＭＡＳＢＥＤｏＮＣＴＮＳ
针对Ｃｎｏｒｔｏｔｕｌ变换存在频谱混淆的问题，ｅ本文设计了一种
０引言
数字图像易于传播和复制的特点，使得图像内容的侵权、篡

基于NSCT变换的红外与可见光图像融合方法

融合处理，最后对融合后的系数进行ＮＳＣＴ反变换得到融合图像．仿真实验表明，采用改进的
ＮＳＣＴ融合方法对红外与可见光图像的融合有良好的效果，图像更清晰，信息更全面．
关键词：图像融合；ＮＳＣＴ变换；红外图像与可见光图像；仿真实验
ｃｉｅｎｔｓｏｆｓｏｕｒｃｅｉｍａｇｅｓ，ｔｈｅｎｗｅｓｅｐａｒａｔｅｌｙｄｏｉｍａｇｅｆｕｓｉｏｎｆｏｒｄｉｆｆｅｒｅｎｔｆｒｅｑｕｅｎｃｙｄｏｍａｉｎａｆｔｅｒｄｅ —
第３７卷第６期
２０１３年１２月
北
京
交
通
大
学
学
报
Ｖ０１．３７Ｎｏ．６
Ｄｅｃ．２０１３
ＯＵＲＮＡＬ０ＦＢＥＩＴＩＮＧＩＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ
文章编号：１６７３ — ０２９１（２０１３）０６ — ００１８ — ０４
中图分类号：ＴＮ９１１．７３文献标志码：Ａ
Ｉｎｆｒａｒｅｄａｎｄｖｉｓｉｂｌｅｉｍａｇｅｆｕｓｉｏｎｍｅｔｈｏｄｂａｓｅｄ
ｏｎｄｅｖｅｌｏｐｅｄＮＳＣＴｔｒａｎｓｆｏｒｍ
基于ＮＳＣＴ变换的红外与可见光图像融合方法

基于NSCT的图像融合

基于NSCT的红外与可见光图像融合系统的研究摘要针对红外与可见光图像特点，提出一种基于非降采样contourlet变换（NSCT）红外与可见光图像融合算法。

利用NSCT对源图像进行多尺度、多方向稀疏分解，得到低频分量和各带通方向子带分量；引入图像区域相关系数决策度，对低频子带采用基于区域方差选大的融合方法，对于高频子带采用像素点的绝对值选大的融合方法。

实验结果表明，该融合方法可以获得更多的细节信息，能获得较理想的融合图像。

关键词图像融合；NSCT；红外图像；可见光图像0 引言图像融合是指将两个或者两个以上的传感器在同一时间或不同时间获取关于某个目标或者场景的图像序列加以综合，生成新的有关此场景解释的信息处理过程。

红外与可见光图像融合在军事领域和安全监控领域有着广泛的应用。

红外传感器和可见光传感器的成像机理不同，红外成像利用的是目标的辐射能量，具有一定的穿透烟、雾的能力，抗干扰能力强，可以在夜间工作，但是获得的红外图像一般较暗、信噪比低、无色彩信息、缺少层次感，且目标图像与背景对比度低。

边缘模糊；而可见光传感器是利用光的反射率成像的。

具有光谱信息更富、分辨率高、动态范围大等优点，获得的可见光图像对比度相对较高，目标包含一定的细节信息，但在黑暗背景下不易察觉。

通过对红外与可见光图像的融合，可以提高红外目标的可识别度和图像的清晰度，获得更加详细准确的信息，是我们能在恶劣的环境下也能准确判断热源的位置，在军事作战、电子产品检测、资源探测等众多领域中都有广泛的实用价值。

根据融合层次不同，图像融合分为三个层次：像素级图像融合，特征级图像融合，决策级图像融合。

目前较多的图像融合算法集中在像素级层次，可分为两类：基于空间域的图像融合和基于变换域的图像融合。

其中变换域的图像融合是当前研究的热点，主要有基于金字塔分解的图像融合，基于小波变换的图像融合，基于contourlet变换的图像融合和基于非降采样轮廓波变换（NSCT）的图像融合。

基于NSCT变换和PCA的图像融合算法

引言
图像融合能够将多个待融合图像中冗余信息和互补信息充分利用，经过一定的融合算法进行处理，最终得到一幅包含多幅图像的特征和信息的高质量图像。
ＩｍａｇｅＦｕｓｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＮＳＣＴａｎｄＰＣＡ
ＷＵＦｅｎ—ｘｉａ，ＬＩＨｏｎｇ，ＬＩＨｏｎｇ —ｘｉｎｇ
（ＩｎｓｔｉｔｕｔｅｏｆＧｒａｐｈｉｃｓａｎｄＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ，ＸｉａｎｙａｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｘｉａｎｙａｎｇ７１２０００，Ｃｈｉｎａ）
ｓｅｉｅｒｓｈｉｇｈ—ｆｒｅｑｕｅｎｃｙｓｕｂｉｍａｇｅｓ．ＴｈｅｗｅｉｇｈｔｅｄＰＣＡｉｓａｐｐｌｉｅｄｔｏｔｈｅｌｏｗ— ｒｅｆｑｕｅｎｃｙｓｕｂｉｍａｇｅｓ．Ａｎｄｔｈｅ
ｉｎｖｅｒｓｅＮＳＣＴ．Ｅｘｐｅｉｒｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｃａｎｒｅｔａｉｎａｖｉｓｕａｌｑｕａｌｉｔｙａｎｄｏｂｊｅｃ —
融合图像的客观评价表图像评价参数abfsfedgeclockpcamripca红外可见光pca4结束语图像融合规则的选择对于图像融合效果影响非常大本文提出的基于nsct变换和pca的图像融合算法借助nsct变换的平移不变性在变换域对低频系数用pca加权融合规则尽可能多地将要融合的源图像的主成分保留高频采用边缘强度最大规则以提取最突出的边缘实验结果表明本文所提出的算法得到的融合图像从视觉效果上看能够包含源图像较多信息边界清晰并且有较好的客观评价指标

基于NSCT的多聚焦图像融合毕业论文

本科毕业论文(科研训练、毕业设计)题目：基于NSCT的多聚焦图像融合姓名：学院：软件学院系：专业：软件工程年级：学号：指导教师（校内）：职称：指导教师（校外）：沈贵明职称：年月摘要多聚焦图像融合是采用一定的算法将两幅或多幅聚焦不同的图像合并成一幅新的图像。

多聚焦图像融合的关键在于融合方法的特征提取能力。

Contourlet变换是最近由Minh N. Do和Nartin Vetterli首先提出的，与小波变换相比，它是真正的二维变换，Contourlet 在每个尺度提供不同数目的、灵活的方向，能够捕捉图像内在的几何结构，这使Contourlet 能够更好的提取图像的边缘和纹理等特征信息。

然而，由于拉普拉斯和方向滤波器组（DFB）中并非无下采样的，最初的Contourlet并不具平移不变性，这在图像的奇异位置容易产生伪吉布斯效应。

由于基于无下采样的Contourlet (NSCT)具有完全的平移不变性，因此在多聚焦图像融合领域比Contourlet具有更大的优势。

本文以Wavelet变换(WT)和Contourlet变换(CT)等多尺度分析方法为基础，对其原理和性质进行分析，并开展了NSCT 及其在多聚焦图像融合应用领域的研究。

此外，针对多聚焦图像融合，本文比较了多种在变换域提取图像特征的方法，并据此提出了基于NSCT域邻域空间频率（Spatial Frequency）的融合方法，简称NSCT-NSF。

与传统的空间频率算法不同，NSCT-NSF算法并非在空间域内，而是首先对图像进行多尺度多方向分解，再在NSCT变换域内对图像进行特征提取，最后选择特征大的变换系数来重构融合图像。

考虑到NSCT高频子带邻域系数的相关性，我们还对NSCT域内的空间频率算法做了改进，实验结果表明，在客观和主观评价标准上，本文提出的算法要优于典型的基于小波和基于NSCT像素最大值的融合算法。

关键词：图像融合; Contourlet变换; NSCT; 空间频率AbstractMulti-focus image fusion is the combination of two or more different images with different focus to form a new image by using a certain algorithm. The ability to extract feature information is key to multi-focus image fusion. Contourlet transform was recently pioneered by Minh N. Do and Martin Vetterli. Compared with wavelet transform, it is a “true” two-dimensional transform. Contourlet provides different and flexible number of directions at each scale and can capture the intrinsic geometrical structure, which make it possible to better extract feature information such as edge and texture. However, due to the down-sample and up-sample presented in both the Laplacian pyramid and the directional filter banks (DFB), the foremost Contourlet transform is not shift-invariant, which causes pseudo-Gibbs phenomena around singularities. Nonsubsampled contourlet is fully shift-invariant and performs better in multi-focus image fusion than contourlet. In this paper, the principle and characteristic of Contourlet Transform (CT) is introduced and study of NSCT’s application in multi-focus image fusion is developed. In addition, several classical methods directed at multi-focus image fusion for feature extraction is compared. Based on this, we propose a fusion method based on neighbor region spatial frequency (SF) in NSCT domain, NSCT-NSF namely. In contrast with traditional spatial frequency method, the source image is first decomposed to several scales and directions, and then the proposed algorithm is applied to capture feature information in NSCT domain rather than spatial domain, at last the coefficient with larger feature value is selected to reconstruct the fused image. In addition, considering the correlation between neighbor coefficients, we also make some modification on spatial frequency in NSCT domain. Experimental results demonstrate that the proposed algorithms outperform typical wavelet-based and pixel maximum NSCT-based fusion algorithms in term of objective criteria and visual appearance.Key words: Image Fusion; Contourlet Transform; NSCT; Spatial Frequency目录摘要 (1)ABSTRACT (2)目录 (3)CONTENTS (4)第一章引言 (5)第二章小波变换 (6)小波变换 (6)2.1.1小波变换的发展 (6)2.1.2小波变换原理 (7)2.1.3二维小波变换实现框架 (8)小波变换的局限性 (9)第三章 CONTOURLET变换 (9)C ONTOURLET变换的提出 (9)C ONTOURLET变换的原理 (10)3.2.1拉普拉斯塔形分解 (10)3.2.2方向滤波器组（DFB） (11)3.2.3多尺度、多方向分解：塔型方向滤波器组 (15)无下采样的C ONTOURLET（NSCT）变换 (17)3.3.1 NSCT变换原理 (17)3.3.2 NSCT域的邻域和兄弟信息 (18)第四章基于NSCT变换的多聚焦图像融合 (19)基于小波变换的多聚焦图像融合 (19)基于NSCT的多聚焦图像融合规则 (20)4.2.1融合框架 (20)4.2.2融合规则 (21)4.2.2 NSCT域的特征提取 (22)4.2.3特征提取方法的选取 (23)基于NSCT-NSF的融合算法 (25)4.3.1 NSCT-NSF融合规则[22] (26)4.3.2实验仿真和评价 (27)第五章总结与展望 (32)本文工作总结 (32)NSCT应用前景展望 (32)致谢 (34)参考文献 (35)附录一离散小波图像融合代码 (37)附录二“ATROUS”多孔小波图像融合代码 (37)附录三基于NSCT变换的图像融合代码 (39)Contents摘要 (1)ABSTRACT (2)目录 (3)第一章引言 (5)第二章小波变换 (6)小波变换 (6)2.1.1小波变换的发展 (6)2.1.2小波变换原理 (7)2.1.3二维小波变换实现框架 (8)小波变换的局限性 (9)第三章 CONTOURLET变换 (9)C ONTOURLET变换的提出 (9)C ONTOURLET变换的原理 (10)3.2.1拉普拉斯塔形分解 (10)3.2.2方向滤波器组（DFB） (11)3.2.3多尺度、多方向分解：塔型方向滤波器组 (15)无下采样的C ONTOURLET（NSCT）变换 (17)3.3.1 NSCT变换原理 (17)3.3.2 NSCT域的邻域和兄弟信息 (18)第四章基于NSCT变换的多聚焦图像融合 (19)基于小波变换的多聚焦图像融合 (19)基于NSCT的多聚焦图像融合规则 (20)4.2.1融合框架 (20)4.2.2融合规则 (21)4.2.2 NSCT域的特征提取 (22)4.2.3特征提取方法的选取 (23)基于NSCT-NSF的融合算法 (25)4.3.1 NSCT-NSF融合规则[22] (26)4.3.2实验仿真和评价 (27)第五章总结与展望 (32)本文工作总结 (32)NSCT应用前景展望 (32)致谢 (34)参考文献 (35)附录一离散小波图像融合代码 (37)附录二“ATROUS”多孔小波图像融合代码 (37)附录三基于NSCT变换的图像融合代码 (39)第一章引言多聚焦图像融合是指对经过不同传感器得到的同一目标聚焦不同的图像进行一定的处理，形成一幅满足特定需求的图像的技术，从而提高对图像信息分析和提取的能力。

基于NSCT的红外与可见光图像融合算法研究

基于NSCT的红外与可见光图像融合算法研究摘要：本研究提出一种基于NSCT的红外与可见光图像融合算法。

首先，采用NSCT对红外与可见光图像进行二维小波变换得到子带系数，然后对于每个子带系数，根据不同的融合规则进行权重计算和融合处理。

具体而言，我们将图像融合问题划分为低频和高频两个部分，低频部分采用平均融合规则，高频部分采用细节增强融合规则。

最后，通过定量和定性实验验证了所提算法的有效性和优越性。

关键词：NSCT；红外图像；可见光图像；图像融合；小波变换；细节增强引言红外与可见光图像的融合是一种将两幅不同波段的图像信息融合为一幅具有更全面、更丰富信息的图像的技术。

该技术在许多领域具有重要的应用，如安防领域的人脸识别和目标跟踪等。

但是由于两幅不同波段的图像具有不同的特征和分布规律，如何有效地进行融合成为了一个重要的研究问题。

小波变换是一类广泛应用于图像处理的信号处理技术，其优点在于能够将信号分解为低频和高频两部分。

近年来，小波变换已经被广泛应用于图像融合领域。

然而，传统的小波变换无法适应长时间和复杂场景下的图像融合需求。

为此，我们提出了一种基于NSCT的红外与可见光图像融合算法。

NSCT是多尺度和多方向的小波变换方法，其对于复杂场景和细节保持能力更强。

在本研究中，我们将NSCT应用到红外与可见光图像融合中，通过对子带系数进行权重计算和融合处理，实现了更加准确和细致的图像融合。

方法1. NSCT变换NSCT是一种利用带通滤波器对图像进行多尺度和多方向的小波变换。

在本研究中，我们采用了NSCT对红外与可见光图像进行融合处理。

具体而言，我们将图像分解为$L$层小波系数，其中第$i$层的系数用$w^{(i)}(x,y)$表示。

NSCT变换过程如下：$$w^{(i)}(x,y)=\sum_{m=1}^{M_i}\sum_{n=1}^{N_i}h_{m,n} ^{(i)}(z_{m,n}^{(i)} \ast f^{(i)}(x,y))$$其中，$h_{m,n}^{(i)}$表示第$i$层的带通滤波器组成的矩阵，$z_{m,n}^{(i)}$表示第$i$层的带通系数。

基于NSCT的红外与可见光图像融合

基于NSCT的红外与可见光图像融合钟庆新;夏利民【期刊名称】《计算机工程与应用》【年(卷),期】2009(045)022【摘要】A fusion method for infrared and visible images based on non-sampled contourlet transform is proposed in this paper. After infrared and visible images decomposed through non-sampled contourlet transform in the proposed method,the high frequency coefficients is fused by means of weight averaging method which is via the combination of activity measure using the different imaging mechanism of sensors and the strategy of the relativity of those multi-resolution coefficients while the low frequency coefficients is fused via the combination of weighting and selection through activity measured by a local gradient. Finally,the fused image is reeonstructed through inverse non-sampled eontoudet transform.The experiment results indicate this fusion method possesses favorable effectivity and feasibility.%提出一种基于非下采样Contourlet变换的红外与可见光图像融合方法.该方法时源图像经非下采样Contourlet变换分解后的高频系数,考虑不同传感器的成像机理进行活性度量,并结合多分辨率系数间相关性来实现加权融合;低频系数则通过一种局部梯度进行活性度量,再采用加权与选择相结合的规则实现融合.最后,通过非下采样Contourlet逆变换重构获得融合图像.实验结果表明了该方法的有效性和可行性.【总页数】4页(P153-155,171)【作者】钟庆新;夏利民【作者单位】中南大学信息科学与工程学院,长沙410075;中南大学信息科学与工程学院,长沙410075【正文语种】中文【中图分类】TP391【相关文献】1.基于NSCT和混合粒子群算法的红外与可见光图像融合 [J], 冯颖;贺兴时;杨新社2.基于稀疏表示和NSCT-PCNN的红外与可见光图像融合 [J], 夏景明;陈轶鸣;陈轶才;何恺3.基于改进的NSCT红外可见光图像融合算法 [J], 杨彬;黄润才;王从澳4.基于局部能量与NSCT的红外与可见光图像融合 [J], 路黎明5.基于局部能量与NSCT的红外与可见光图像融合 [J], 路黎明因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

图3d 融合图像
图3e 融合图像
图3f 融合图像
图3l 融合图像
图3 基于NSCT的红外与可见光图像融合
3.1 实验结果分析
从图中可以看出采用各种融合规则进行图像融合，其融合效果都有
不同程度的提高，都将红外图像中的目标信息与可见光图像中的细节信
息较好的保留到容和图像中。相比之下，最后一幅图像灰度适中，对比
度高，图像清晰。背景信息丰富，融合效果较好。为定量的评价融合效
果，采取标准差、信息熵、交叉熵和清晰度等客观评价指标进行比较。
表2 图像融合质量评价
标准差
信息熵
交差熵
清晰度
红外图像
35.7432
35.7432
35.7432
35.7432
可见光图像 43.4425
43.4425
43.4425
43.4425
representation [C]//International Conference on Image
Processing,2002,1:357-360.
[4] YUAN Yihui,ZHANG Junju,CHANG Benkang,et al. Objective quality
evalution of visible and infrared color fusion image [J].Optical
根据融合层次不同，图像融合分为三个层次：像素级图像融合，特征级图像融合，决策级图像融合。目前较多的图像融合算法集中在像素级层次，可分为两类：基于空间域的图像融合和基于变换域的图像融合。其中变换域的图像融合是当前研究的热点，主要有基于金字塔分解的图像融合，基于小波变换的图像融合，基于contourlet变换的图像融合和基于非降采样轮廓波变换（NSCT）的图像融合。其中NSCT变换是在contourlet变换基础上发展而来的，继承了contourlet 变换的多分辨率性和多方向性，同时具有平移不变性，能更好的捕捉和根中图像的重要几何特征。因此本文采用NSCT变换进行图像融合。
基于NSCT的红外与可见光图像融合系统的研究
摘要
针对红外与可见光图像特点，提出一种基于非降采样contourlet变换（NSCT）红外与可见光图像融合算法。利用NSCT对源图像进行多尺度、多方向稀疏分解，得到低频分量和各带通方向子带分量；引入图像区域相关系数决策度，对低频子带采用基于区域方差选大的融合方法，对于高频子带采用像素点的绝对值选大的融合方法。实验结果表明，该融合方法可以获得更多的细节信息，能获得较理想的融合图像。
Engineering,2011 , 50 (3) : 033202.
[5] 孙艳忠，李华峰，李保顺。非采样Contourlet变换的多尺度积图像融
合算法[J].计算机仿真，2011,28（8）：250-255.
[6] 杨亚.基于Contourlet变换的多聚焦图像融合研究[D].重庆：重庆大
学，2010.
的下几个步骤为：
1）红外光与可见光图像分别进行K级NSCT分解，分别得到分解后
的NSCT系数，和其中为低频子带系数，为k尺度下l方向的高频子带系
数，I为红外图像，V为可见光图像。
2）一定的融合规则对各分阶层上的不同频率分量进行图像融合处理，得到融合图像M的NSCT系数。
3）对融合后的低频子带系数和各尺度层的高频方向子带系数进行 NSCT逆变换得到融合图像M。
图2 基于NSCT图像融合流程图
2.1 低频部分融合规则低频部分代表图像的近似分量，反应源图像的平均特性，决定图像
的轮廓，包含源图像的光谱信息和大部分的能量信息，而图像的相关系数反映了两幅图像间光谱特征的相似程度，在一定程度上体现了图像间
光谱特征的相似程度。因此，本文针对低频分量提出一种基于区域系数决策度和能量的融合规则。图像区域系数定义为其中R为图像相关系数，，为图像均值，。图像区域能量的定义为其中s=I或V，为区域大小，常选3x3,或者5x5，本文取（3x3）对各源图像经NSCT分解后得到的低频分量，先将其分解成若干个的子区域块，再分别计算出其区域相关系数和区域能量，并一下融合规则进行融合。若(T取0.5~1，本文取0.6)，那么若q<T，则其中，分别为红外与可见光图像的区域能量。
融合图像（3d)
35.7432
35.7432
35.7432
35.7432
融合图像 (3e)
43.4425
43.4425
43.4425
43.4425
融合图像 (3f)
35.7432
35.7432
35.7432
35.7432
本文方法融合图像
43.4425
43.4425
43.4425
43.4425
从表中的评价指标可以知道，本文所采用的图像融合方法除了交叉熵指标有点偏大之外，其余指标都优于其他几种融合规则，且与人眼主观评价相一致，符合人眼视觉效果。
[7] 陈小林，王延杰.非下采样变换的红外与可见光图像融合[J].中国光
学，2011,4（5）：489-496.
[8]
王丹，周锦程.基于NSCT的图像融合算法[J].计算机应用系统，
2010,19（2）：185-189.
2.2 高频子带融合规则
高频部分代表图像的细节信息，包含源图像的边缘、纹理等细节信息。其像素值越大，表示纹理细节越丰富，梯度可敏感地反应图像中的微小细节，还可反映出图像的纹理变换特征。因此，高频部分的最高层采用像素绝对值取大的融合规则，其它层采用区域相关系数决策度和平均梯度的融合规则。区域平均梯度的定义为其中、分别为图像S在x和y方向上的方差。图像高频中间层的融合规则为若(T取0.5~1，本文取0.6)，那么若q<T，则其中、分别为红外与可见光图像的平均梯度。图像高频最高层的融合规则为 3 融合评价指标及实验结果分析
为验证本文提出的融合方法的有效性和可行性，选择两组不同的已经去噪和严格配准的红外与可将光源图像进行融合实验。运用 MATLAB R2014a,在计算机上对红外与可将光源图像分别采用不同的融合方法进行仿真验证。因为随着图像分解层数的增加，提取的细节信息相应增加，对像素的选取也会更准确，但层数增加，各子带间相互影响加重，相互干扰，反而会导致容和质量下降。为保证融合效果，融合试验采用的多尺度分阶层为4层，本文算法与目前的几种常见算法进行比较。如表1所示。
1 NSCT理论
在各种多尺度几何分析方法中contourlet变换将小波变换的优点延伸到高维空间能更好地刻画高位信息的特征，适合处理具有超平面奇异性的信息，但是由于其变换过程中的下采样操作，使其不具有平移不变形，随后提出了NSCT变换，NSCT由非下采样金字塔（Nonsubsanmled Pyramid,NSP）和非下采样方向滤波器组（Nonsubsampled Directional Filter Bank,NSDFB）构成。它将尺度分解和方向分解分开进行，首先由 NSP多图像进行多尺度分解以“捕获”奇异点，然后由NSDFB将分布在同一方向上的奇异点合成为一个系数。NSCT变换取消了降采样和采样环节，使其不仅继承了Contourlet变换的特性，更具有比Contourlet变换更高的冗余度和平移不变性，能有效表示图像的边缘和轮廓特征信息，同时对图像进行NSCT变换后的低频子带不会有频率混叠现象产生，因而具有更强的方向选择性。图1所示为NSCT的结构示意图。
关键词图像融合；NSCT；红外图像；可见光图像
0 引言
图像融合是指将两个或者两个以上的传感器在同一时间或不同时间获取关于某个目标或者场景的图像序列加以综合，生成新的有关此场景解释的信息处理过程。红外与可见光图像融合在军事领域和安全监控领域有着广泛的应用。红外传感器和可见光传感器的成像机理不同，红外成像利用的是目标的辐射能量，具有一定的穿透烟、雾的能力，抗干扰能力强，可以在夜间工作，但是获得的红外图像一般较暗、信噪比低、无色彩信息、缺少层次感，且目标图像与背景对比度低。边缘模糊；而可见光传感器是利用光的反射率成像的。具有光谱信息更富、分辨率高、动态范围大等优点，获得的可见光图像对比度相对较高，目标包含一定的细节信息，但在黑暗背景下不易察觉。通过对红外与可见光图像的融合，可以提高红外目标的可识别度和图像的清晰度，获得更加详细准确的信息，是我们能在恶劣的环境下也能准确判断热源的位置，在军事作战、电子产品检测、资源探测等众多领域中都有广泛的实用价值。
4 结束语
利用红外与可见光图像提供的互补和冗余信息，可以有效的改善图像的信噪比，并且获得更为可靠的图像信息。本文提出的基于NSCT变换的图像融合规则，通过大量实验表明，使用此方法获得的融合图像具有更多的细节信息，并且能够表现出较好的融合性能。
参考文献 [1] 李俊山，杨威，张雄美.红外图像处理、分析与融合[M].北京：科学出版社，2009. [2] 才溪.多尺度图像融合理论与方法[M].北京：电子工业出版社，2014. [2] 彭海.红外与可见光图像融合方法研究[D].杭州：浙江大学，2012. [3] DO M N,VETTERLI M.Contourlet:A directional mutiresolution image
2 基于NSCT的图像融合
图1 NSCT结构示意图
图像经过多尺度几何分解后，得到的低频部分代表了图像的近似分
量，主要反映了源图像的平均特性，包含了源图像的光谱信息和大部分
的能量信息；分解后的高频子带代表了图像的细节分量，如边缘、直
线、区域边界等，描述了图像的结构信息。因此，源图像分解后的高、
低频部分需要分别进行融合，其融合算法的选择非常重要。图像融合需
表1 融合算法的融合规则
高频融合规则
融合图像
本方图像融合