基于离散小波变换的多源图像融合系统

资 源 简 介

该项目实现了一种基于离散小波变换（DWT）的图像融合系统，旨在将两幅或多幅针对同一场景但具有不同特征（如不同焦距、不同传感器类型）的图像合成为一幅包含更全面信息的高质量图像。 该系统的核心实现过程首先通过小波分解将原始图像映射到频域，将其分解为包含低频近似信息的LL分量和包含高频细节信息（水平、垂直、对角线方向）的LH、HL、HH分量。 对于分解后的分量，系统采用了不同的融合策略：低频部分通常采用加权平均法或局部区域能量法，以确保融合图像保留源图像的整体亮度和背景轮廓；高频部分则采用基于像素绝对值取大或局

详 情 说 明

基于离散小波变换（DWT）的图像融合系统

项目介绍

该项目实现了一个基于二维离散小波变换（DWT）的图像融合原型系统。在实际成像过程中，受光学镜头焦深限制，往往难以使场景中远近不同的物体同时清晰。本项目通过频域处理技术，将针对同一场景、不同对焦位置的两幅图像进行融合，提取各自的清晰区域并合成一幅全焦点的优质图像。该技术在医学影像合成、红外与可见光融合及多聚焦摄影领域具有重要的应用意义。

功能特性

• 多聚焦场景仿真：内置自动生成测试数据的功能，能够模拟两幅图像在不同区域（左侧或右侧）发生失焦模糊的情况。
• 多尺度小波分析：采用 Daubechies 小波基（db4）对图像进行二层小波分解，将图像特征分离至不同频段。
• 混合融合策略：针对低频背景和高频细节分别采用不同的数学模型进行处理，平衡亮度和清晰度。
• 全方位量化评估：系统内置了多种科学的图像质量评价指标，从信息量、清晰度和相似度等多个维度衡量融合效果。
• 可视化结果输出：提供直观的图形化界面，展示源图像、融合图像、以及分解后的频域系数分布。

实现逻辑与过程

系统执行过程严格遵循以下步骤：

1. 数据预处理与模拟：

系统首先获取一幅原始灰度图像（如曼德里尔猩猩图或棋盘格），通过磁盘状模糊算子（Disk Filter）分别对图像的左半部分和右半部分进行模糊处理，生成模拟的源图像 A 和源图像 B。

1. 图像分解（DWT）：

利用 db4 小波基函数，对两幅输入图像进行 2 层二维多尺度分解。该过程将图像拆解为一个低频近似分量（LL）和多个层级的高频细节分量（水平 HL、垂直 LH、对角线 HH）。

1. 系数层融合规则：

* 低频分量（LL）：采用“加权平均法”。由于低频代表了图像的轮廓和整体亮度分布，通过取两图系数的均值，可以平滑地过渡背景，避免融合后的亮度突变。 * 高频分量（HL/LH/HH）：采用“绝对值取大法”。高频系数反映了图像的边缘、纹理等显著细节，绝对值越大通常意味着该处的对比度越高、信息越清晰。系统通过逐像素对比，保留能量最强的特征。

1. 图像重构（IDWT）：

将融合后得到的低频和高频系数向量重新组合，执行二维小波逆变换，将信号从频域映射回空间域，并进行数据归一化处理。

1. 指标计算与展示：

系统对比原始图像与融合图像，定量计算评估结果，并配合频率分量示意图完成最终的可视化呈现。

关键函数与算法分析

• 离散小波分解算法：利用多分辨率分析（MRA）特性，逐级提取空间细节。系统设定分解层级为 2，有效分离了粗糙背景与精细纹理。
• 绝对值最大化规则：这是多聚焦图像融合的核心逻辑。相比于直接求和，该规则能有效防止清晰区域被模糊背景“稀释”，确保只有对焦准确的像素被保留。
• 质量评价体系：

* 信息熵 (Entropy)：反映图像包含信息的丰富程度。 * 标准差 (Std)：衡量图像特征的对比度分布。 * 峰值信噪比 (PSNR)：评估融合图像相对于参考图像的保真度。 * 结构相似性 (SSIM)：从亮度、对比度和结构三个维度评估融合图像与参考图像的感知相似度。

系统要求

• 软件环境：MATLAB R2016b 或更高版本。
• 核心工具箱：

* Image Processing Toolbox（图像处理工具箱） * Wavelet Toolbox（小波工具箱）

使用方法

1. 启动 MATLAB 软件。
2. 将系统关联的所有脚本文件置于同一当前工作目录下。
3. 在命令行窗口输入运行指令。
4. 程序将自动生成模拟的多聚焦图像对，并弹出包含 6 个子图的结果窗口。
5. 在界面右下角可直接查阅本次融合操作的四项量化性能指标。