【图像融合】用于图像融合方法、客观评估指标、弗里德曼(Friedman)统计检验及其事后检验研究（Matlab代码实现）

 👨‍🎓个人主页：研学社的博客  

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

2.1 GV_Image_Fusion_Max

2.2  GV_Image_Fusion_PCA

2.3 GV_Image_Fusion_weighted

2.4 basicFusionMethods

2.5 StatisticalComparison

🎉3 参考文献

🌈4 Matlab代码实现

---

💥1 概述

本文在不同的多模态图像上实现了一些基本的和最近的融合方法。 使用一些融合指标客观地评估融合方法 弗里德曼统计检验及其事后检验比较了融合方法并检测它们之间的差异。

图像融合是一种通过将多种图像信息进行合并来生成更高质量图像的技术。它可以应用于各个领域，如医疗影像、遥感图像处理、计算机视觉等。本文将详细介绍图像融合的方法、客观评估指标，以及弗里德曼统计检验及其事后检验在图像融合研究中的应用。

### 图像融合方法

图像融合的方法可以大致分为以下几类：

1. **空间域融合方法**：
   - **加权平均法**：直接对源图像的像素按照预定的权重进行加权平均。
   - **选择法**：例如最大-最小选择法，根据特定规则直接选择源图像中的像素。

2. **变换域融合方法**：
   - **小波变换**：通过小波变换将源图像分解为不同频带，然后在小波域进行融合。
   - **Contourlet变换**：是一种多尺度多方向的变换方法，提高了图像的表示能力。
   - **PCA（主成分分析）**：通过主成分分析将源图像信息压缩并重构图像。

3. **基于模型的方法**：
   - **稀疏表示**：利用稀疏表示和重构的理论，将源图像融合成稀疏系数表示。
   - **机器学习方法**：包括深度学习方法，使用神经网络模型直接进行图像融合。

### 客观评估指标

图像融合质量的客观评估是非常重要的，因为它能够定量地反映融合质量。常用的评估指标包括：

1. **熵（Entropy）**：衡量图像信息量的多少，熵值越大，信息量越丰富。
2. **平均梯度（Average Gradient）**：反映图像的细节和清晰度。
3. **标准差（Standard Deviation, STD）**：反映图像像素值的离散程度。
4. **信息性能（Information Performance, Q_AB/F）**：评估融合图像与源图像的信息保持程度。
5. **边缘保持指数（Edge Preservation Index, Q_G）**：评估融合图像中边缘信息的保真度。
6. **结构相似性指数（Structural Similarity Index, SSIM）**：评估融合图像与参考图像在结构上的相似性。
7. **融合相似性指数（FMI）**：衡量融合图像与源图像之间的信息相似性。

### 弗里德曼统计检验及其事后检验

#### 弗里德曼检验

弗里德曼检验是一种非参数统计检验方法，主要用于检验多个相关样本的中位数是否有显著差异。它在图像融合质量评估中应用广泛，适用于比较多个图像融合方法的性能。

步骤：
1. **排序**：对每个样本的性能值进行排序，为每个方法分配一个排名。
2. **计算统计量**：根据排名计算弗里德曼统计量。
3. **判断显著性**：根据预设的显著性水平，从弗里德曼分布表中查找临界值，判断是否拒绝原假设。

弗里德曼检验的公式：
\[ Q = \frac{12}{nk(k+1)} \left( \sum_{i=1}^{k} R_i^2 \right) - 3n(k+1) \]
其中，\( n \)是观测样本数，\( k \)是要比较的算法数目，\( R_i \)是第\( i \)个算法的总排名。

#### 事后检验

如果弗里德曼检验表明存在显著差异，则需要进行事后检验（Post-hoc Test）来确定哪些方法之间存在显著差异。常见的事后检验方法包括：

1. **Nemenyi检验**：用于所有两两方法的比较。
2. **Dunn检验**：使用Bonferroni校正或Hochberg校正进行多重比较测试，以调整 p 值。

Nemenyi检验计算两个方法之间的平均排名差，并与临界值进行比较：
\[ |R_i - R_j| > q_{\alpha} \sqrt{\frac{k(k+1)}{6n}} \]
其中，\( q_{\alpha} \)是Nemenyi临界值，对应于给定显著性水平\( \alpha \)。

### 结语

图像融合方法的研究和评估是一个复杂而重要的过程，通过合理选择融合方法和客观评估指标，可以有效地提高图像融合质量。同时，采用弗里德曼统计检验及其事后检验可以科学地比较不同方法的性能，为进一步的优化和应用提供依据。

📚2 运行结果

2.1 GV_Image_Fusion_Max

​

​ 

2.2  GV_Image_Fusion_PCA

​

2.3 GV_Image_Fusion_weighted

​

 ​

2.4和2.5就不一一展示了。 

2.4 basicFusionMethods

2.5 StatisticalComparison

部分代码：

clc
clear
close all
addpath(strcat(pwd,'/functions'));
addpath(strcat(pwd,'/images'));
addpath(strcat(pwd,'/fusion metrics'));

warning('OFF', 'MATLAB:xlswrite:AddSheet');
%% Defining Metrics, Fusion Methods, Source Images, excel file that you want to write the results in
%filter='_allMetrics'; metricNames = {'metric_MI', 'metric_MI2', 'metric_ssim', 'std2', 'entropy', 'metric_Edge_Intensity', 'metric_PSNR', 'metric_AverageGradient',...
%  'metric_Qabf', 'metricXydeas', 'metricCvejic', 'metricPeilla', 'metricChen', 'metricChenBlum', 'metricWang', 'metricYang', 'metricZhao'}' % , 'metricZheng', 'metricPWW', 'metricHossny'}'

filter='_1_12'; metricNames = {'entropy', 'metric_PSNR', 'metric_ssim', 'metric_MI2', 'metric_Qabf', 'metricChen','metricWang', 'metricPeilla', 'metricZhao'}'

choice = questdlg('Which experiments do you like to Evaluate?', ...
    'Menu', ...
    'expr 1-4','expr 5-8', 'expr 1-12', 'expr 1-4');
% Handle response
switch choice
    case 'expr 1-4'
        fusionMethodNames = {'PCNN_NSCT', 'm_PCNN', 'SCM_F', 'NSCT', 'NSCT_SR', 'SCM_M', 'Del_PCA', 'Del_max', 'Del_weighted'}'
        sourceImages = {'G01' 'CT' 'MR_T2' ; 'G02' 'CT' 'MR_T2' ; 'G03' 'MR_T1' 'MR_T2' ; 'G04' 'MR_T1' 'MR_T2'}
        xlsFile = strcat('Qc_1_4',filter,'.xlsx') %write the results to this file
    case 'expr 5-8'
        fusionMethodNames = {'CST','MFDF_NSST','NNSST','ST_NSST', 'FMSAP', 'Del_PCA', 'Del_max', 'Del_weighted'}'
        sourceImages = {'G05' 'CT' 'MR' ; 'G06' 'CT' 'MR' ; 'G07' 'CT' 'MR' ; 'G08' 'CT' 'MR' }
        xlsFile = strcat('Qc_5_8',filter,'.xlsx') %write the results to this file
    case 'expr 1-12'
        %fusionMethodNames = {'FSD', 'GP','DWT','RP', 'MDP', 'PCA', 'LP', 'SIDWT', 'Del_PCA', 'Del_max', 'Del_weighted'}'
        fusionMethodNames = {'FSD', 'GP','DWT','RP', 'MDP', 'LP', 'SIDWT', 'Del_PCA', 'Del_max', 'Del_weighted'}'
        sourceImages = {'G01' 'CT' 'MR_T2' ; 'G02' 'CT' 'MR_T2' ; 'G03' 'MR_T1' 'MR_T2' ; 'G04' 'MR_T1' 'MR_T2' ; ...
            'G05' 'CT' 'MR' ; 'G06' 'CT' 'MR' ; 'G07' 'CT' 'MR' ; 'G08' 'CT' 'MR' ; ...
            'G09' 'CT' 'MR_T2' ; 'G10' 'MR_PD' 'MR_T2' ; 'G11' 'CT' 'MR_GAD' ; 'G12' 'CT' 'MR_T1'}
        xlsFile = strcat('Qc_1_12',filter,'.xlsx') %write the results to this file
        
end
%% initialization
fileName = split(xlsFile,'.xls'); fileName = char(fileName(1));
%%
fn_QC(metricNames,fusionMethodNames,sourceImages, xlsFile);
fn_ANOVA_Friedman(fileName, metricNames,fusionMethodNames,sourceImages)
fn_Friedman_PostHocs(fileName)
fn_metricsCorrelations(fileName, metricNames,fusionMethodNames,sourceImages)
%%
disp('-------------------');
disp(['the Quantitative Comparisons are written in this excel file: ', xlsFile]);
disp(['the ANOVA results are written in this excel file: ', strcat(fileName,'_ANOVA.xlsx')]);
disp(['the Friedman results are written in this excel file: ', strcat(fileName,'_Friedman.xlsx')]);
 

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]李铖.论统一化模型的特设性及缺陷——基于对弗里德曼与科契尔理论的评析[J].自然辩证法研究,2022,38(09):12-18.DOI:10.19484/j.cnki.1000-8934.2022.09.012.

[2]范涛,王昊,李跃艳,邓三鸿.基于多模态融合的非遗图片分类研究[J].数据分析与知识发现,2022,6(Z1):329-337.

🌈4 Matlab代码实现