【MATLAB图像融合】[4] 基于变换域的图像融合方法

       写在前面：相信大家看过许多图像融合的论文和方法了，一些基本概念大家也都耳熟能详。但这里还是提出一些我自己的观点和总结，欢迎一起讨论，学习。

图像融合现有分类

       目前图像融合可按层次划分：像素级图像融合，特征级图像融合，决策级图像融合；
       像素级图像融合： 融合操作面向像素点，是目前信息融合框架下最常用的层级。因为其融合过程中可以增加原始数据的信息量。举例来说，都是两幅512512的图像，在经过融合后生成的512512图像，其信息量大于融合前的单独的两幅512*512图像。所以像素级融合目前还是主流方法，其后的探究都围绕像素级图像融合。
       特征级图像融合： 如果脱离信息融合框架，目光放在计算机视觉处理上。特征级图像融合就有它的用武之地：1，它不需要源图像的精准图像配准。2，它处理速度快于像素级，具有实时性处理的可能性。3， 挖掘图像关联性，提取复合特征。
       决策级图像融合： 作为最高一层的融合，它对1,2层融合有极强的依赖性，所提取出来的信息也是最抽象的，此时的目的出发点是否是计算机视觉都很难定性；它有着数据库和专家系统，能对提取的特征做最优的决策。在一些机器学习的视觉处理中，决策图像融合方法有时也会被使用：如数据挖掘，模式识别等。

基于变换域的图像融合

       在像素级图像融合中，所有的方法可以被分为三类：①、空间域图像融合：HIS变换、PCA等。②、变换域图像融合：金字塔分解、小波变换等。③、其它：混合方法，神经网络等。
       视解决的问题和实际应用的不同，我们会采用不同的图像融合方法。在本期和接下来的几期中，会先学习变换域的图像融合。
一般步骤
①、将图像按照变换规则，改变其空间。（可以理解为一个映射）
②、在变换后的空间进行融合操作。
③、在所有空间完成融合后，逆变换回原空间。
举例
金字塔变换域
金字塔分解是一种经典的变换域方法。
①、分别建立两个图像金字塔（变换）
       （1）读取原图像，设大小为512512。
       （2）金字塔底层图像，大小：512512。
       （3）金字塔第二层图像，大小：256256。
       （4）金字塔第N层图像，大小：256/2 ^ N-1256/2^N-1。
②、对金字塔每一层图像进行融合处理。
③、根据变换的原则进行逆操作，得到512*512的图像。

       可以看到，它的流程符合变换域的一般步骤。
       变换的目的是为了更好的融合，所以这两个步骤是最重要的：1、选取或制定怎样的变换规则。2、变换得到的数据要怎样融合效果会更好。
       为了完成1和2，前辈们做了许多相关的工作，时至今日，图像融合技术已经比较成熟，许多经典的方法和算子早已被提出和应用。
       对于正在学习的我们，完成1和2所走过的路大多还需要再走一遍。下篇开始将逐步解决第一个问题：拉普拉斯金字塔。附MATLAB代码。
       欢迎评论交流，共同学习。