基于改进的Shearlet变换的多聚焦图像融合

摘要

本论文主要研究了基于非下采样Shearlet变换和加权区域能量选取规则的多聚焦图像融合算法。为消除Shearlet变换中下采样引起的伪吉布斯效应，本文采用了具有平移不变性的非下采样Shearlet变换（NSST）对多聚焦图像进行融合，并提出加权区域能量选取的融合规则。NSST主要包括多尺度分解和方向滤波过程。本文采用一组非下采样的两通道最大平坦响应滤波器构成非下采样拉普拉斯塔形分解滤波器，对图像进行多尺度分解。采用Meyer小波建立shear滤波器对子带图像进行方向滤波。滤波后的系数利用加权区域能量选取融合规则进行融合。
　　本文用matlab对算法进行了仿真，实验结果证明，当采用梯度矢量评估方法、基于权值的结构相似度和基于边缘的结构相似度这三种客观评价指标对融合图像的质量进行评价时，与基于其它融合规则的NSST变换、基于NSCT变换、基于CVT变换、基于Shearlet变换、基于小波变换的多聚焦图像融合算法相比，对相同的源图像本文算法的融合结果的客观评价指标更高，融合效果更好。