【图像融合】基于curvelet变换图像融合matlab代码

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.