基于小波邻域信息量的图像融合.pdf

技术与方法
!"#$%&’(" )%* +",$-*
!"#$%&’()*+,-.
任青韩焱
#
中北大学信息探测与处理技术研究所山西太原
6 ! "<""M!:
摘要针对多模图像融合问题提出了一种基于小波变换的新方法将小波低频系数乘以加权因子
! $
减少低频部分所占整个图像的信息比例并采取绝对值取大的融合规则选取小波低频系数使用
!N*# # %
由方差和平均梯度构造的新的评价因子小波邻域信息量作为融合规则选取小波高频系数实验
&&& $
结果表明该方法得到的融合图像体现出更强的融合性能
J $
关键词图像融合多模图像小波变换邻域信息量
! % % %
!"#$%&!"#$%&’% ’()*+,()))
!"#$% &’()*+ ,#(%- *+ ./0%1%2 +%)$3,*43**- )+&*4"/2)*+
49B O*+E!PQB R(+
65+?>*>S>D ,I 7*E+(= 1(&>SG*+E T 8G,’D??*+E 2D’)+,=,******@JB,G>) U+*CDG?*>@ ,I 1)*+(J2(****@S(+ "<""M!J1)*+(:
/01,234,5 2)*? &(&DG &G,&,?D? (+ *-(ED IS?*,+ (=E,G*>)- F(?DH ,+ $(CD=D> >G(+?I,G-J *> *? -(*+=@ ’,+’DG+DH $*>) >)D 12 (+H 345% V,G
>)D *-(ED =,$LIGDWSD+’@ &(G>J $(CD=D> =,$LIGDWSD+’@ ’,DII*’*D+>? $*== -S=>*&=@ !N4J >, GDHS’D >)D &G,&,G>*,+ ,I =,$LIGDWSD+’@ &(G> ,I >)D
$),=D *-(ED *+I,G-(>*,+X V,G >)D *-(ED )*E)LIGDWSD+’@ &(G>J S?D >)D +D$ DC(=S(>*,+ I(’>,G L $(CD=D> +D*E)F,G),,H *+I,G-(>*,+ >, ’),,?D >)D
S=>*-(>D $(CD=D> )*E)LIGDWSD+’@ ’,DII*’*D+>?% 1,-&(GDH $*>) ?DCDG(= ’,--,+=@ S?DH *-(ED IS?*,+ -D>),H?J *> ?),$? >)(> >)D (=E,G*>)- >)*?
(G>*’=D &G,&,?DH ’(+ E*CD S? >)D IS?*,+ *-(ED >)(> ,$+D? -,GD *-(ED HD>(*= *+I,G-(>*,+%
6"7 8-2*15 *-(ED IS?*,+X -S=>*L-,HD *-(EDX $(CD=D> >G(+?I,G-X +D*E)F,G),,H *+I,G-(>*,+
现阶段医学影像可通过多种成像设备产生这为临床一种主流的图像融合技术对于医学图像而言图像边缘的
! $ !
诊断提供了多种模态的医学图像例如射线超声清晰度等特征是临床诊断时的重要依据现阶段的融合规则
.!/ ! 0 " "12" $
核医学图像数字减影等这些图像提供研究主要集