% wav_imfuse.m
// 图像融合代码matlab clear
figure
load wbarb
X1=X;
map1=map;
subplot(131);
image(X1);
colormap(map1);
title('original image wbarb'); axis ('square');
load woman
X2=X;
map2=map;
for i=1:256
for j=1:256
if(X2(i,j)>100)
X2(i,j)=1.2*X2(i,j);
else
X2(i,j)=0.5*X2(i,j);
end
end
end
subplot(132);
image(X2);
colormap(map2);
title('woman');
axis ('square');
[c1,s1]=wavedec2(X1,2,'sym4');
sizec1=size(c1);
for i=1:sizec1(2)
c1(i)=1.2*c1(i);
end
[c2,s2]=wavedec2(X2,2,'sym4');
c=c1+c2;
c=0.5*c;
xx=waverec2(c,s1,'sym4');
subplot(133);
image(xx);
title('融合图像');
axis ('square');
（注：文档可能无法思考全面，请浏览后下载，供参考。可复制、编制，期待你的好评与关注）
一、实验原理 本实验对源图像分别进行Harr 小波变换，建立图像的小波塔形分解，然后对分解层进行融合，处理各分解层上的不同频域分量可以采用不同的融合算子进行融合处理，本实验采用统一的算法处理，得到融合后的小波金字塔，对融合后的小波金字塔进行小波逆变换，得到的重构图像为拼接图像 1、 Harr 小波变换 Harr 小波分解步骤： 步骤一：输入信号n S 有2n 个样本， 步骤二：将信号分成1,2,2,,0 2n n l n l a S b S l -===，一共12n -对，然后对每一对变换，获得均值1n S -和差值1n d -。,21,212n l n l n S S S +-+=，1,,21,2n l n l n l d S S -+=-反变换可以无损地从 1n S -和1n d -中恢复出原信号，1n S -作为信号的全局信息（低频成分） ，1n d -作为信号的细节信息（高频成分），全局信息和原信号比较相似（局部一致性），细节信息（差值比较小）可以很高效的进行表示。 步骤三：对1n S -实施同样的变换（求均值和差值），获得均值2n S -和差值2n d -，它们两各有22n -个样本值。 步骤四：重复上面的变换步骤，直到0S 中仅有一个元素为止。 2、图像拼接算法 本实验采用小波分解的图像处理方法，首先对图形进小波变换，然后采用分层比较法，对两幅图的一级分解的LL 层进行比较，从而获得准确的位置匹配，然后各层进行相应的位置衔接，得到拼接图像的一级小波分解图像，最后对分解图像进行重构，得到拼接后的图像。 步骤一：首先对两图进行Harr 小波一级分解，假设分解图像如下图。 图一的harr 小波分解 图二的harr 小波分解 步骤二：对一级分解LL 层进行位置匹配。首先求出两幅图的LL 图像梯度值,即图像灰度值的显著变化的地方，采用如下公式 21(1,)mag i j -=
第八章图像融合算法 8.1 图像融合技术的发展过程 随着科学的发展和技术的进步，采集图像数据的手段不断完善，出现了各种新的图像获取技术。如今，图像融合方法已经运用于社会的很多领域，像遥感卫星图像，光图像，红外图像，医学图像，尤其是多传感器图像融合应用以来，它已成为计算机视觉，目标识别，机器人以及军事等方面研究的重要方面。
8.2基于小波变换图像融合的基本原理 如果一个图像进行L 层小波分解，我们将得到（3L ＋1）层子带，其中包括低频的基带和层的高频子带。用代表源图像，记为，设尺度系数和小波函数对应的滤波器系数矩阵分别为，则二维小波分解算法可描述为： j C 3L ,h v d D D D 和(,)f x y 0C ()x Φ()x ΨH G 与11 1 j h j j v j j d j j C HC H D GC H D HC G D GC G +++′ =??′=??′=??′=?j+1(0,1, (1) j J =?（8-1）
小波重构算法为： 基于二维DWT 的融合过程如图1.1所示，ImageA 和 ImageB 代表两幅源图像A 和B ，ImageF 代表融合后的图像，具体步骤如下：（1）图像的预处理： 1h v d j j j j j C H C H G D H H D G G D G ?′′′′=+++(,1, (1) j J J =?（8-2） 图8.1 基于DWT 图像融合过程
①图像滤波 ②图像配准 （2）对ImageA和ImageB进行二维DWT分解，得到图像的低频和高频分量。 （3）根据低频和高频分量的特点，按照各自的融合算法进行融合。 （4）对以上得到的高低频分量，经过小波逆变换重构得到融合图像ImageF。 8.3 融合效果性能评价指标 8.3.1均值和标准差
基于MATLAB的图像融合算法
基于MATLAB的图像融合算法 摘要 图像融合能够将不同类型传感器获取的同一对象的图像数据进行空间配准。并且采用一定的算法将各图像数据所含的信息优势或互补性有机的结合起来产生新的图像数据。这种新数据具有描述所研究对象的较优化的信息表征，同单一信息源相比，能减少或抑制对被感知对象或环境解释中可能存在的多义性、不完全性、不确定性和误差，最大限度的利用各种信息源提供的信息。 图像融合分为像素级、特征级、决策级三个层次，其中像素级图像融合能够提供其它层次上的融合处理所不具有的更丰富、更精确、更可靠的细节信息，有利于图像的进一步分析、处理和理解，它在整个图像融合技术中是最为复杂、实施难度最大的融合处理技术。本文的研究工作是围绕像素级图像融合展开的，针对像素级图像融合技术中需要解决的关键问题，研究了多种像素级图像融合方法。 本论文的主要的研究内容有： 首先介绍了图像信息融合的概念、优势、发展历史和应用领域，并介绍了图像融合的三个层次及常用的空域图像融合方法,空域融合方法有像素平均法、像素最大最小法、像素加权平均法，频域融合方法包括图像的多尺度分解、图像的小波变换、基于小波变换的 图像融合方法。图像的预处理有滤波（邻域平均滤波法、中值滤波法）和图像配准。最后，对于图像融合系统来说，融合图像质量的评价显得特别重要，本文探讨了图像融合质量的评价问题，总结了融合效果的主、客观评价标准，作为本课题性能分析的判断标准。 关键词：图像配准；图像融合；空域融合法；小波变换；评价标准
MATLAB-based image fusion algorithm Abstract The same object gotten from different sensors can be registered spatially by mage fusion. The information advantages or the complements of all the image data can be combined to produce new image data using some fusion algorithms. The new data can describe the optimized information of the studied object. Compared with single information source, the new data can reduce or restrain the ambiguity, the incompleteness, the uncertainty and the error, which may appears in the explanation of the studied object or the environment, and make full use of the information provided by all kinds of resources. Image fusion consists of such three levels as the Pixel level，the feature level and the decision level，among which the Pixel level image fusion can Provide more abundant, accurate and reliable detailed information tha t doesn’t exist on the other levels and It is the most complicated in the whole image fusion techniques and also is the most difficult to implement in the fusion Processing techniques. this dissertation Progresses mainly around the Pixel level image fusion and proposes a variety of Pixel level image fusion techniques according to the key Problems in the Pixel level image fusion techniques. The major research and findings are as follows: First we introduce the concepts，advantages，developments and applications. Three levels of image fusion and image fusion techniques in common use are also reviewed. Airspace Image Fusion such as simple fusion method (pixel average, maximal or minimal pixel selection), Frequency-domain image fusion methods include the multiresolution image fusion techniques based on multi-scale pyramid decomposition, and the image fusion method based on wavelet transform Image Pre-processing like Filter processing (neighborhood average filter, median filtering method) and Image Registration. in the end, evaluation for fusion image is vital to fusion system. This dissertation probes into the image fusion quality assessment and deduces a set of indexes as the criteria to analyze the performances of this discussion. Keywords: Image Registration；Image Fusion；Airspace integration method；Wavelet Transform；Evaluation criteria
基于MATLAB的图像融合算法 摘要 图像融合能够将不同类型传感器获取的同一对象的图像数据进行空间配准。并且采用一定的算法将各图像数据所含的信息优势或互补性有机的结合起来产生新的图像数据。这种新数据具有描述所研究对象的较优化的信息表征，同单一信息源相比，能减少或抑制对被感知对象或环境解释中可能存在的多义性、不完全性、不确定性和误差，最大限度的利用各种信息源提供的信息。 图像融合分为像素级、特征级、决策级三个层次，其中像素级图像融合能够提供其它层次上的融合处理所不具有的更丰富、更精确、更可靠的细节信息，有利于图像的进一步分析、处理和理解，它在整个图像融合技术中是最为复杂、实施难度最大的融合处理技术。本文的研究工作是围绕像素级图像融合展开的，针对像素级图像融合技术中需要解决的关键问题，研究了多种像素级图像融合方法。 本论文的主要的研究内容有： 首先介绍了图像信息融合的概念、优势、发展历史和应用领域，并介绍了图像融合的三个层次及常用的空域图像融合方法,空域融合方法有像素平均法、像素最大最小法、像素加权平均法，频域融合方法包括图像的多尺度分解、图像的小波变换、基于小波变换的图像融合方法。图像的预处理有滤波（邻域平均滤波法、中值滤波法）和图像配准。最后，对于图像融合系统来说，融合图像质量的评价显得特别重要，本文探讨了图像融合质量的评价问题，总结了融合效果的主、客观评价标准，作为本课题性能分析的判断标准。 关键词：图像配准；图像融合；空域融合法；小波变换；评价标准
MATLAB-based image fusion algorithm Abstract The same object gotten from different sensors can be registered spatially by mage fusion. The information advantages or the complements of all the image data can be combined to produce new image data using some fusion algorithms. The new data can describe the optimized information of the studied object. Compared with single information source, the new data can reduce or restrain the ambiguity, the incompleteness, the uncertainty and the error, which may appears in the explanation of the studied object or the environment, and make full use of the information provided by all kinds of resources. Image fusion consists of such three levels as the Pixel level，the feature level and the decision level，among which the Pixel level image fusion can Provide more abundant, accurate and reliable detailed information that doesn’t exist o n the other levels and It is the most complicated in the whole image fusion techniques and also is the most difficult to implement in the fusion Processing techniques. this dissertation Progresses mainly around the Pixel level image fusion and proposes a variety of Pixel level image fusion techniques according to the key Problems in the Pixel level image fusion techniques. The major research and findings are as follows: First we introduce the concepts，advantages，developments and applications. Three levels of image fusion and image fusion techniques in common use are also reviewed. Airspace Image Fusion such as simple fusion method (pixel average, maximal or minimal pixel selection), Frequency-domain image fusion methods include the multiresolution image fusion techniques based on multi-scale pyramid decomposition, and the image fusion method based on wavelet transform Image Pre-processing like Filter processing (neighborhood average filter, median filtering method) and Image Registration. in the end, evaluation for fusion image is vital to fusion system. This dissertation probes into the image fusion quality assessment and deduces a set of indexes as the criteria to analyze the performances of this discussion. Keywords: Image Registration；Image Fusion；Airspace integration method；Wavelet Transform；Evaluation criteria
目录 摘要 (1) Abstract (1) 1、绪论 (2) 1.1课题开发背景 (2) 1.1.1图像融合的定义 (2) 1.1.2手动配准与图象融合 (2) 1.1.3图象融合研究的发展现状和研究热点 (3) 1.2课题设计要求 (4) 2、MATLAB程序设计 (5) 2.1MATLAB软件简介 (5) 2.2MATLAB软件窗口环境 (7) 2.3M语言编程 (8) 3、图像融合算法 (9) 3.1图象融合算法的层次分类 (9) 3.2图像融合规则 (10) 3.3图像融合方法 (11) 3.4图像融合步骤 (12) 4、各算法程序 (13) 4.1一般方法 (13) 4.2PCA算法程序 (14) 4.3金字塔（Pyramid）算法程序 (15) 4.4小波变换（DWT）算法程序 (18) 5、实验结果 (22) 6、图像融合的应用 (24) 7、总结 (25) 参考文献 (26)
摘要 数字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。本文首先介绍了数字图像融合的定义、发展现状和研究热点，接着论述了图像融合的规则、方法和步骤。并给出了三种融合算法程序，即PCA算法、金字塔图像融合算法与基于小波变换的算法程序，在最后论述了图像融合技术在军事、医学图像和遥感测控中的应用。 关键词：图像融合小波变换Matlab Abstract Digital image fusion is the technology of data fusion mainly study the images is the different patterns of images of the same scene sensors to the same number of sensors or images acquired at different times the same scene for a number of synthetic images images process.The first introduced digital image integration definition,the current development and research hot,and then discussed the integration of images of the rules,methods and steps.Three integration algorithms and procedures given that the PCA algorithms,pyramid image integration algorithms and algorithms based on wavelets change procedures discussed in the final image integration technology in the military,medical imaging and remote sensing,monitoring and control applications. Keywords：Image fusion Wavelets change Matlab
中国地质大学长城学院 本科课程设计 课设名称:数字图像处理课程设计 课设题目：基于MATLAB的图像融合设计 院别工程技术学院 学生姓名 专业 学号 指导教师 职称 2019年06 月30 日
基于MATLAB的图像融合设计 摘要 图像融合能够将不同类型传感器获取的同一对象的图像数据进行空间配准。并且采用一定的算法将不同类型的传感器获取的同一对象的图像数据所含用的信息优势或互补性 有机地结合起来产生的新的图像数据。这种新数据含有所研究对象的更多信息表征，与单一图像相对比，能够减少或抑制所研究对象可能存在的多义性、不确定性和误差，最大限度地利用同一对象的多种图像数据的信息。 论文中主要内容是；首先介绍了图像信息融合的概念、接着论述了像素级、特征级、决策级三个图像融合的层次及MATLAB介绍，在最后论述了图像融合的在生活中的应用。 关键词：图像融合；图像层次；应用；
目录 基于MATLAB的图像融合设计 0 摘要 0 第一章绪论 (1) 1.1图像融合的概念 (1) 1.2图像融合的主要研究内容 (1) 第二章图像融合的常用方法 (3) 2.1 图像融合的常用算法 (3) 2.1.1 基于图像灰度的融合算法 (3) 2.1.2基于变换域的融合算法 (3) 2.2图像融合规则 (4) 第三章MATLAB 程序设计 (5) 3.1 MATLAB 软件简介 (5) 3.2 MATLAB 软件窗口环境 (6) 第四章图像融合实例-小波变换（DWT ） (8) 第五章应用与总结 (12) 参考文献 (13) 附录 (14)
第一章 绪论 图像融合技术作为多类型传感器信息融合的一个非常重要的分支-可视信息的融合，近20年来，引起了世界范围为内的广泛关注和研究热潮。图像融合就是通过多幅图像数据互补得到一幅新的图像，在这幅图像中能够反映多重原始图像中的信息。图像融合的目的是充分利用多个待融合源图像中包含的互补信息，融合后的图像应该更适合于人类视觉感知或计算机后续处理，减少不确定性。图像融合技术在遥感、医学、自然资源勘测、生物学等领域占有极其重要的地位。 论文中介绍了像素级图像融合常用方法及图像融合实例。 1.1图像融合的概念 图像融合是二十世纪70年代后期提出的新的概念，是多传感器信息中可视信息部分的融合，是将多源信道所采集的关于统一目标图像经过一定的图像处理，提取各自信道的信息，最后合成统一的图像以供观察和处理。鉴于图像融合具有突出的探测优越性，在技术先进国家受到高度重视并取得相当的进展。 图像融合的形式大致可分为多传感器不同时获取的图像的融合、多传感器同时获取的融合、单一传感器不同时间，不同条件获取的图像融合三种。图像融合能够充分利用这些时间或空间上冗余或互补的图像信息，依据一定的融合算法合成一幅满足某种需要的新图像，从而获得对场景的进一步分析、理解以及目标的检测、识别或跟踪。 1.2图像融合的主要研究内容 图像融合的层次可分为 : 像素级、特征级和决策级。 像素级图像融合是在基础层面上进行的信息融合，其主要完成的任务是对多传感器目 标和背景要素的测量结果进 行融合处理。像素级图像融合是直接在原始数据层上进行的融合，该层次的融合准确性最高，能够提供其它层次上的融合处理所不具有的更丰富、更精确、更可靠的细节信息，有利于图像的进一步分析、处理与理解。 像素级融合是图像 图1 图像融合示意图 图2 像素级图像融合原理图示意图
请注意该程序处理的图像必须是灰度图像，不能是彩图。 Matlab程序： clear %装载原始图像001.mat;002.mat并显示。 [X,map]=imread('003.Tif'); X1=X;map1=map; figure(2); X1=imread('003.Tif'); subplot(2,2,1); imshow(X1); title('图像001'); X2=imread('004.Tif'); subplot(2,2,2); imshow(X2); title('图像002'); X1=double(X1); X2=double(X2); %X1=uint8(X1); %X2=uint8(X2); %========================================================= %对上述两图像进行分解 [c1,I1]=wavedec2(X1,3,'sym4'); [c2,I2]=wavedec2(X2,3,'sym4'); %对分解系数进行融合 c=c1+c2; %========================================================= %应用融合系数进行图像重构并显示 XX=waverec2(c,I1,'sym4') subplot(2,2,3);
%image(uint8(XX)); XX=double(XX); image(XX); title('融合图像'); Csize1=size(c1); %========================================================== %对图像进行增强处理 for i=1:Csize1(2) c1(i)=1.2*c1(i); end Csize2=size(c2); for j=1:Csize2(2) c2(j)=0.8*c2(j); end %=========================================================== %通过减小融合技术以减小图像的亮度 c=0.5*(c1+c2); %=========================================================== %对融合系数进行图像重构 XXX=waverec2(c,I2,'sym4'); %=========================================================== %显示重构结果 subplot(2,2,4); XXX=double(XXX); image(XXX); %image(uint8(XXX)); title('融合后增强图像');
发展背景 图像融合技术在采集多源信息的基础上，采用融 合算法对原始图像信息进行处理，从而获得同一 事物或目标的更丰富，更全面的图像信息； 最早采用的图像融合方法是，即将两幅 或多幅图像在空间坐标下直接进行运算和叠加。 到了90年代，提出变换域方法，基于小波变换的
小波变换的特点和应用领域 小波变换具备良好的时频特性，因此在信号分析 和处理中得到了很好的运用； 平面图像可以看成二维信号，因此，小波分析很 自然地被运用到图像处理领域； 目前小波分析已经被运用到图像处理的几乎所有 的分支，如：图像融合、边缘检测，图像压缩， 图像分割等。
小波分析在图像融合中的应用 小波变换法：①是将源图像进行小波分解．得到一系列子图像； ②在变换域上进行特征选择，创建 融合图像； ③通过逆变换重建融合图像。 将变换后的两个或多个图像进行融合，在通过反变换得到融合后图像的方法。变换域法基于图像分割的融合方法：①先利用构造边缘检测算子的方法．对图像进行边缘提取；②用空间映射法实现图像的融合。是将两幅或多幅图像在空间 坐标下直接进行运算和叠加，运 算的方法有逻辑运算、加权平 均、形态运算、图像代数运算、 toet 算法和对比度调制等。空域法 方法定义
基于小波变换的图像融合
小波变换融合方法的关键 关键在于分解后融合规则和融合因子的选择； 由于它们所代表的意义不同，相应的所采用的融合策略也不同。同上，通常特征选择的 方法为最大值法或 一致，差异性检测 法进行融合。亮度较大的值代表该点为源图像上变化比较剧烈的点。高频子图像 取决于对融合图像 的具体要求和融合 图像的视觉效果。 取二者的平均值或取其中之一作为融合后的值。代表源图像的近似特性。低频子图像决定因素常用方法特性 高低频子图像比较表
附录1 金字塔变换图像融合方法程序 % 拉普拉斯金字塔融合函数 function Y = fuse_lap(M1, M2, zt, ap, mp) % M1、M2为源图像 % zt为融合层数，ap为高频子带图像选择系数，mp为低频子带图像选择系数[z1 s1] = size(M1); [z2 s2] = size(M2); if (z1 ~= z2) || (s1 ~= s2) error('输入源图像大小不一致'); end; % 高斯窗口函数 w = [1 4 6 4 1] / 16; E = cell(1,zt); for i1 = 1:zt [z s] = size(M1); zl(i1) = z; sl(i1) = s; % 图像尺寸为奇数还是偶数 if (floor(z/2) ~= z/2), ew(1) = 1; else ew(1) = 0; end; if (floor(s/2) ~= s/2), ew(2) = 1; else ew(2) = 0; end; % 若为奇数，扩展为偶数 if (any(ew)) M1 = adb(M1,ew); M2 = adb(M2,ew); end; % M1与M2低通滤波 G1 = conv2(conv2(es2(M1,2), w, 'valid'),w', 'valid'); G2 = conv2(conv2(es2(M2,2), w, 'valid'),w', 'valid'); % G1与G2下采样、上采样低通滤波后的膨胀序列 M1T = conv2(conv2(es2(undec2(dec2(G1)), 2), 2*w, 'valid'),2*w', 'valid'); M2T = conv2(conv2(es2(undec2(dec2(G2)), 2), 2*w, 'valid'),2*w', 'valid'); % 高频子带图像系数选择 E(i1) = {selg(M1-M1T, M2-M2T, ap)}; % G11与G2下采样 M1 = dec2(G1); M2 = dec2(G2); end; % 低频子带图像系数选择 M1 = selh(M1,M2,mp); % 图像重构 for i1 = zt:-1:1