改进的基于非下采样的Contourlet变换的图像融合算法

摘要

针对基于非下采样的Contourlet变换(NSCT)图像融合算法融合过程中有一系列超参数需要根据经验和先验知识手工取值的问题,提出一种改进的基于NSCT的图像融合算法.首先通过传统的NSCT对源图像进行分解,然后引入Piella指标作为适应度函数,通过混合蛙跳算法对一系列的超参数进行寻优,最后用寻优得到的最佳超参数参与融合过程.与基于NSCT的图像融合算法、基于小波变换的图像融合算法、基于拉普拉斯金字塔方法的图像融合算法、基于主成分分析(PCA)的图像图像融合算法和基于Curvelet变换的图像融合算法五种典型的图像融合算法的融合效果进行比较,结果表明该算法在主观评价体系下能够很好保留源图像的边缘、纹理和基本结构,在客观评价体系中兼具大峰值信噪比、大信息熵值和小均方根值,证明该算法在图像融合过程中能够很好地提取源图像的信息,从而得到信息量丰富的融合结果图.