【图像融合】多分辨率奇异值分解图像融合（含融合评价指标）【含Matlab源码 2374期】

⛄一、多分辨率奇异值分解图像融合简介

0 引言
图像融合[1,2]是指将多分辨率或多介质图像数据通过空间配准和图像信息互补产生新的图像的综合分析技术。图像融合一般分为像素级、特征级和决策级融合, 而多分辨率图像融合算法则是一类非常重要的像素级融合算法。

对多分辨率图像融合的研究, 最初始于文献[3]中Burt和Adelson提出的拉普拉斯金字塔算法。金字塔分解符合人眼视觉系统在处理视觉信号时具有多分辨率的特性, 但其层间分解量之间具有相关性, 且没有严格的理论基础的支撑。随着小波变换理论[4,5]的提出和完善, 小波变换在图像融合领域得到了广泛的应用。文献[6]中Li Hui等提出小波变换应用于图像融合的代表性方法。文献[7]中Chipman等提出采用离散小波变换进行图像融合处理。文献[8-9]都提出了基于小波的图像融合算法, 文献[10]在文献[3, 9]的基础上提出了基于金字塔的多曝光图像融合。

由于离散小波变换在提取图像低频信息的同时, 又能获得三个方向的高频细节信息, 在理论上比传统的金字塔融合方法具有更好的效果, 且在分解层次上会提供方向信息;并且小波变换在不同的分辨率中都含有独特的信息, 具有良好的时域和频域局部性以及多分辨性。但是基于离散小波分解的图像融合算法缺乏平移不变性, 这使得融合结果中出现了伪影, 降低了融合图像的质量。小波变换的冗余度非常高, 这是小波固有的缺陷。同时, 小