1 简介
针对Curvelet分解的不同频率域,分别讨论了低频系数和高频系数的选择原则.在选择低频系数时,定义了局部区域标准方差,采用了"选择"与"平均"相结合的系数选择方案;在选择高频系数时,充分利用Curvelet变换具有方向性的优点,提出了Curvelet域方向对比度的概念,并给出了基于方向对比度的系数选择方案.实验结果表明:本文所给出的融合算法能够很好地保留多幅源图像中的有用信息,得到多个目标聚焦都很清晰的图像.
2 部分代码
clc clear all close all % fdct_wrapping_demo_recon.m -- Partial curvelet reconstruction. X=imread('imgwarp.bmp'); X2=imread('IR1022_3.bmp'); X1=rgb2gray(X); % Forward curvelet transform disp('Take curvelet transform: fdct_wrapping'); tic; C1 = fdct_wrapping(double(X1),0,2); toc; tic; C2 = fdct_wrapping(double(X2),0,2); toc; C=C1; %tic; C = fdct_wrapping(double(X),0,2,5,16); toc; for s=1:2 for w=1:length(C{s}) C{s}{w} = 0.5*C1{s}{w} + 0.5*C2{s}{w}; end end for s=3:length(C) for w=1:length(C{s}) C{s}{w} = max(C1{s}{w}, C2{s}{w}); end end disp('Take inverse curvelet transform: ifdct_wrapping'); tic; Y = ifdct_wrapping(C,0,256,320); toc; Y = uint8(Y); % subplot(1,3,1); colormap gray; imagesc(real(X1)); axis('image'); title('VI'); % subplot(1,3,2); colormap gray; imagesc(real(X2)); axis('image'); title('IR'); % subplot(1,3,3); colormap gray; imagesc(real(Y)); axis('image'); title('fusion'); %信息熵 figure(1) subplot(131) imshow(X1); title('融合前图1') subplot(132) imshow(X2); title('融合前图1') subplot(133) imshow(Y); title('融合后') imwrite(Y,'xiaobo1.bmp'); r1=rmse(X1,Y);%融合前图1和融合后的均方差 r2=rmse(X2,Y);%融合前图1和融合后的均方差 disp(['融合前图1和融合后的均方差=',num2str(r1)]) disp(['融合前图2和融合后的均方差=',num2str(r2)]) xinxi1= xinxishang(X1);%融合前图1信息熵 disp(['融合前图1的信息熵=',num2str(xinxi1)]) xinxi2= xinxishang(X2);%融合前图2信息熵 disp(['融合前图2的信息熵=',num2str(xinxi2)]) xinxi3= xinxishang(Y);%融合前图3信息熵 disp(['融合后图的信息熵=',num2str(xinxi3)]) tidu1=ftidu(X1);% %融合前图1梯度 disp(['融合前图1的梯度=',num2str(tidu1)]) tidu2=ftidu(X2);% %融合前图2梯度 disp(['融合前图2的梯度=',num2str(tidu2)]) tidu3=ftidu(Y);% %融合后图梯度 disp(['融合后图的梯度=',num2str(tidu3)])
3 仿真结果
4 参考文献
[1]李晖晖, 郭雷, and 刘航. "基于二代curvelet变换的图像融合研究." 光学学报 26.5(2006):6.