基于无降采样小波与PSF模型的多聚焦图像融合系统

资 源 简 介

该项目旨在解决传统小波变换融合算法中存在的移变性以及重构时边缘信息丢失的问题。针对多聚焦图像融合，本项目首先分析了小波变换方法尽管无冗余且高频损失较小，但在重构过程中容易受到外来因素干扰并丢失边缘信息的局限性。为克服这些缺点，本项目实现了一种基于无降2采样小波分解与点扩展函数（PSF）模型相结合的融合新方法。 该方法的核心流程是对不同的源图像进行无降2采样的小波分解，确保分解后的子图层与源图像大小保持完全一致。系统随后将各方向、各尺度的高频分量进行叠加处理，并以此为基础提取高频分量的特征信息，用于精确判定

详 情 说 明

基于无降采样小波分解与点扩展函数PSF模型的多聚焦图像融合系统

项目介绍

在数字图像处理领域，多聚焦图像融合是一个关键的研究课题。由于光学镜头的景深限制，单次成像往往无法使场景中所有物体同时清晰。传统的基于离散小波变换（DWT）的融合方法虽然在频率分离上具有优势，但由于降采样操作的存在，系统具有平移变性，且在反变换重构时容易产生伪影并丢失精细的边缘信息。

本项目实现了一套改进的图像融合系统，核心思想是利用无降采样小波变换（Stationary Wavelet Transform, SWT）保持图像尺寸的一致性，从而克服平移变性。同时，通过分析高频分量与点扩展函数（PSF）的映射关系，在分解域内直接判定聚焦区域，避开了复杂的重构过程，能够最大程度保留源图像的边缘完整度与对比度。

功能特性

• 无降采样分解：采用 a-trous 算法实现小波分解，分解后的低频和高频子带与原图尺寸完全一致，确保了特征提取的像素级精确对应。
• PSF 特征分析：基于点扩展函数在清晰区域能量更集中的原理，通过提取多尺度、多方向的高频能量，量化图像的局部清晰度。
• 鲁棒的决策判定：系统集成了中值滤波与形态学（闭运算与开运算）处理，有效剔除了判定结果中的孤立噪声点，保证了融合区域的连通性。
• 直接域融合策略：不同于传统的“分解-融合-逆变换”模式，本系统在特征判定后直接在像素空间进行合成，消除了反变换带来的数值误差和边缘退化。
• 全方位性能评价：内置了标准差、信息熵、平均梯度和空间频率四项主流评价指标，用于定量分析融合图像的质量。

系统要求

• 运行环境：MATLAB R2016b 或更高版本。
• 依赖工具箱：Image Processing Toolbox（图像处理工具箱）。
• 硬件配置：建议 4GB 以上内存，以支持多级无降采样分解带来的矩阵运算需求。

系统核心逻辑与实现步骤

该系统通过以下逻辑流程完成多聚焦图像的融合处理：

1. 数据初始化与预处理：

系统首先生成或读取两幅具有不同聚焦位置的源图像（例如左聚焦和右聚焦）。为保证计算精度，图像被转换为双精度浮点型（Double）。

1. 多尺度无降采样小波分解：

利用 B3-spline 滤波器构造小波基，执行多层无降采样分解。每一层通过在滤波器中插入零元素（插值）来扩大感受野，但不进行下采样。这样每一层分解生成的水平、垂直和对角高频分量都与原始图像大小相等，完全保留了空间分布信息。

1. 高频特征提取与局部能量计算：

系统对各层的高频分量进行平方和运算，计算其局部能量分布。由于 PSF 在清晰区域的扩散较小，其对应的小波高频能量更显著。通过 7x7 的局部滑动窗口平滑处理，生成能够反映图像细节丰富程度的特征映射图。

1. 聚焦区域判定映射：

通过对比两幅源图像在相同像素位置的特征值大小，生成初步的二值决策图。特征值较大者被判定为清晰区域（Focus Area）。

1. 决策图优化处理：

为了防止过度分割或误判噪声，系统应用中值滤波平滑边缘，并利用形态学算子进行填充与去噪。这一步确保了融合边界的平滑，避免了最终图像中出现拼接痕迹。

1. 像素级空间融合：

根据优化后的决策图，系统直接从两幅源图像中挑选对应的像素汇聚成最终的融合图像。这种策略避开了传统小波反变换带来的信息损耗，确保了图像的视觉真实感。

关键算法说明

• 无降采样变换（a-trous 算法）：通过在滤波器系数间填充 $2^{j-1}-1$ 个零（其中 j 为分解层数），使得滤波器在不改变输出尺寸的前提下捕捉不同频率的细节。
• 聚焦评价函数：结合了多方向（水平、垂直、对角）的高频残差。相比单一方向的梯度计算，该方法能更全面地响应点扩展函数的紧凑程度。
• 性能评估指标：

- 标准差 (SD)：反映图像对比度。 - 信息熵 (EN)：衡量图像携带信息的丰富程度。 - 平均梯度 (AG)：表征图像的清晰度与纹理表现力。 - 空间频率 (SF)：体现图像在空间域的总体活跃程度。

使用方法

1. 打开 MATLAB 软件。
2. 将系统所有函数代码文件置于当前工作目录。
3. 运行主程序函数。
4. 程序将自动生成测试样本，执行分解、特征判定及融合操作。
5. 在弹出的图形窗口中查看源图像、特征图、决策图及融合效果，并在命令行终端查看各项量化指标。