图像融合质量客观评价系统

资 源 简 介

本项目旨在通过MATLAB语言构建一套高精度的图像融合性能评估工具，专门用于定量分析融合图像的质量优劣。系统集成了七种核心评价指标：1. 信息熵（Entropy, EN），用于衡量融合图像所包含的信息量丰富度；2. 空间频率（Spatial Frequency, SF），基于行梯度与列梯度反映图像的清晰度与纹理活跃程度；3. 互信息（Mutual Information, MI），计算融合图像与多源参考图像之间的信息传递量，体现融合过程中信息的保留能力；4. 标准差（Standard Deviation,

详 情 说 明

项目介绍

MATLAB集成化图像融合质量客观评价指标系统是一套专门用于定量分析图像融合性能的科研工具。该系统利用MATLAB强大的数值计算和图像处理能力，实现了对融合图像质量的多维度评估。系统能够自动计算并对比多参数指标，旨在为多聚焦图像融合、红外与可见光融合、医学图像处理等领域的算法研究提供科学、客观的评估标准，帮助研究人员精准掌握融合算法在信息保留、清晰度提升及失真控制方面的表现。

功能特性

1. 全面的评价体系：集成了信息熵（EN）、空间频率（SF）、互信息（MI）、标准差（SD）、平均梯度（AG）、均方根误差（RMSE）和峰值信噪比（PSNR）共七项核心指标。
2. 自动化预处理：内置图像格式识别与转换逻辑，支持将多通道彩色图像自动转换为灰度图像，并统一进行双精度浮点数运算，确保计算精度。
3. 模拟数据演示：内置自研的示例图像生成函数，能够在无外部测试图的情况下，模拟生成具有局部模糊特性的源图像及其融合结果，用于功能演示与逻辑验证。
4. 结果可视化：提供数据报告表与图形化汇总，包括原图与融合图的视觉对比，以及各指标数值的彩色柱状图分析。
5. 参考对比逻辑：针对需要参考图像的指标（如MI、RMSE、PSNR），系统科学地采用了融合图像与两幅源图像分别计算并取均值（或求和）的处理策略。

使用方法

1. 环境配置：将代码脚本放置于MATLAB工作路径中。
2. 图像准备：在系统的数据加载部分，将示例生成的逻辑替换为实际需要测试的读取语句（例如使用imread读取source1.png、source2.png和fused.png）。
3. 运行系统：执行脚本后，命令行窗口将实时显示计算进度，并在完成后输出详细的指标对比表。
4. 结果查看：系统会自动弹出可视化窗口，用户可以通过观察对比图直观判断融合效果，并通过柱状图分析各项客观指标的优劣。

系统要求

1. 软件环境：MATLAB R2016b 或更高版本。
2. 必备工具箱：MATLAB自带的Image Processing Toolbox（图像处理工具箱）。
3. 硬件环境：由于涉及高维矩阵运算和联合统计分布计算，建议内存不低于8GB以保证运算效率。

实现逻辑说明

系统的执行流程严格遵循数据流处理逻辑：

1. 环境清理与初始化：删除工作空间变量，清理命令行，关闭所有多余图像窗口，确保系统运行环境纯净。
2. 数据准备阶段：系统获取两幅源图像（A和B）及一幅融合后的结果图像（F）。若执行默认演示模式，则通过内置函数生成模拟图。
3. 图像预处理：通过判别颜色通道，将所有图像转换为二维灰度矩阵，并映射为double类型，以满足后续梯度计算及对数运算的精度需求。
4. 指标计算执行：

- 单图指标计算：对融合图像单独计算EN、SF、SD和AG。 - 参考图指标计算：计算融合图相对于源图A和源图B的互信息、RMSE和PSNR，并进行求和或加权平均处理。

1. 结果构建：将计算得出的各数值封装进Table数据结构，并利用fprintf进行格式化文本输出。
2. 可视化渲染：利用subplot布局，在同一画布上同时呈现源图像序列及基于parula色系的指标统计图。

关键算法详解

1. 信息熵 (EN)：通过imhist函数统计融合图像的灰度分布概率，利用log2计算其混乱度，反映图像包含的信息量总量。
2. 空间频率 (SF)：利用diff函数计算图像在水平方向和垂直方向的差分，通过求取行频率和列频率的均方根值，反映图像灰度的活跃程度。
3. 互信息 (MI)：该算法首先构建两幅图像的联合直方图，通过联合密度分布计算联合熵，再根据单图熵值推导出MI = H(A) + H(F) - H(A,F)。系统最终结果为融合图与两幅源图互信息的总和。
4. 平均梯度 (AG)：通过gradient函数获取图像在x和y方向的梯度值，计算其微小细节的反差变化率，从而评估图像的清晰度与细节表现。
5. 标准差 (SD)：利用内置std2函数计算图像像素值的离散程度，标准差越大通常意味着图像对比度越高。
6. 均方根误差 (RMSE)：量化融合图像与源图像在像素点上的数值偏差，用于衡量融合过程中的信息损失和数据拟合能力。
7. 峰值信噪比 (PSNR)：基于均方误差（MSE）计算最大可能功率与噪声功率的比率（dB），用于评估图像融合后的失真程度，数值越高代表失真越小。