基于非下采样Bandelet变换的多聚焦图像融合

doi:10.13229/j.cnki.jdxbgxb201402039

吉林大学学报(工学版) ›› 2014, Vol. 44 ›› Issue (2): 525-530.doi: 10.13229/j.cnki.jdxbgxb201402039

基于非下采样Bandelet变换的多聚焦图像融合

杨扬^1,2, 戴明¹, 周箩鱼^1,2, 孙明超¹

1. 中国科学院长春光学精密机械与物理研究所, 长春 130033;
2. 中国科学院大学, 北京 100049

收稿日期:2012-10-29 出版日期:2014-02-01 发布日期:2014-02-01
通讯作者: 戴明（1964- ），男，研究员，博士生导师.研究方向：航空光电成像技术.E-mail：daim@vip.sina.com E-mail:daim@vip.sina.com
作者简介:杨扬（1986- ），男，博士研究生.研究方向：图像融合.E-mail：yyustc@126.com
基金资助:
"973"国家重点基础研究发展计划项目（2009CB72400102A）.

Multifocus image fusion based on nonsubsampled Bandelet transform

YANG Yang^1,2, DAI Ming¹, ZHOU Luo-yu^1,2, SUN Ming-chao¹

1. Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun 130033, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China

Received:2012-10-29 Online:2014-02-01 Published:2014-02-01

摘要/Abstract

摘要：

针对同一场景的多聚焦图像，提出了基于非下采样Bandelet变换（NSBT）的图像融合方法。首先求出源图像的平均图像，再利用该图像的小波系数计算出最优的几何流，进而构造出一组Bandelet基，然后将源图像通过这组基进行表示，对得到的系数按所对应的不同物理意义分别进行融合，最后将融合系数进行非下采样Bandelet逆变换得到融合图像。实验结果表明，与基于小波变换（WT）和非下采样小波变换（NSWT）的融合方法相比，本文所提方法取得了更好的视觉效果和量化指标。

关键词: 信息处理技术, 图像融合, 非下采样Bandelet变换, 多尺度分析

Abstract:

A novel fusion algorithm based on nonsubsampled Bandelet transform is proposed for the multifocus images of same scene. First, the average image is calculated from the source images, after that the best geometric flow is computed using the wavelet coefficients of the image and a Bandelet basis is constructed. Secondly, the source images are represented using the Bandelet basis, and then the obtained coefficients are fused respectively according to their physical significance. Finally, the fused coefficients are applied on the inverse nonsubsampled Bandelet transform to obtain the fused image. The experiment results indicate that, compared with the fusion methods based on Wavelet transform and nonsubsampled Wavelet transform, respectively, the proposed method can provide better fusion quality in terms of both visual sense and quantified measure.

Key words: information processing technology, image fusion, nonsubsampled Bandelet transform, multiscale analysis

中图分类号:

TP391

杨扬, 戴明, 周箩鱼, 孙明超. 基于非下采样Bandelet变换的多聚焦图像融合[J]. 吉林大学学报(工学版), 2014, 44(2): 525-530.

YANG Yang, DAI Ming, ZHOU Luo-yu, SUN Ming-chao. Multifocus image fusion based on nonsubsampled Bandelet transform[J]. 吉林大学学报(工学版), 2014, 44(2): 525-530.

参考文献

[1] 刘坤, 郭雷, 陈敬松. 基于有限脊波变换和Cycle spinning的图像融合算法[J].吉林大学学报:工学版, 2010, 40(4):1075-1080. Liu Kun, Guo Lei, Chen Jing-song. Image fusion algorithm based on finite ridgelet transform and cycle spinning[J]. Journal of Jilin University (Engineering and Technology Edition), 2010, 40(4): 1075-1080.

[2] 孙伟, 郭宝龙, 陈龙. 非降采样Contourlet域方向区域多聚焦图像融合算法[J]. 吉林大学学报:工学版, 2009, 39(5): 1384-1389. Sun Wei, Guo Bao-long, Chen Long. Multifocus image fusion algorithm based on directional window statistics in nonsubsampled contourlet domain[J]. Journal of Jilin University (Engineering and Technology Edition), 2009, 39(5): 1384-1389.

[3] Peyré G, Mallat S. Surface compression with geometric Bandelets[J]. ACM Transactions on Graphics, 2005, 24(3): 601-608.

[4] Mallat S, Peyré G. Orthogonal Bandlet bases for geometric images approximation[J]. Communications on Pure and Applied Mathematics, 2008, 61(9): 1173-1212.

[5] Mallat S. A Wavelet Tour of Signal Processing: the Sparse Way[M]. 3rd ed. Burlington: Elsevier, 2009.

[6] Pennec E Le, Mallat S. Sparse geometric image representation with Bandelets[J]. IEEE Transactions on Image Processing, 2004, 14(4): 423-438.

[7] Qu G H, Zhang D L, Yan P F. Information measure for performance of image fusion[J]. Electronic Letters, 2002, 38 (7): 313-315.

[8] Xydeas C S, Petrovic V. Objective image fusion performance measure[J]. Electronic Letters, 2000, 36 (4): 308-309.

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	刘哲, 徐涛, 宋余庆, 徐春艳. 基于NSCT变换和相似信息鲁棒主成分分析模型的图像融合技术[J]. 吉林大学学报(工学版), 2018, 48(5): 1614-1620.
[10]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[11]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[12]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[13]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[14]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[15]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

基于非下采样Bandelet变换的多聚焦图像融合

Multifocus image fusion based on nonsubsampled Bandelet transform

RICH HTML

PDF (PC)

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0