基于Contourlet变换的高性能图像融合系统

资 源 简 介

本项目通过实现基于Contourlet变换的算法框架，专门用于解决复杂场景下的多源图像融合问题。该系统针对传统小波变换在表达图像边缘方向性方面的局限性，利用Contourlet变换的各向异性、多尺度及多方向特性，能够准确捕获图像中的精细纹理与平滑轮廓信息，在融合效果上明显优于传统的二代小波变换。 在实现细节上，系统首先对输入的多模态图像进行Laplacian金字塔分解以提取图像的奇异点，随后利用方向滤波器组将这些点集成为不同方向的连续线段，从而获得具有极高稀疏性特征的变换系数。在融合规则方面，系统对低频分

详 情 说 明

基于Contourlet变换的高性能图像融合实验系统

项目介绍

本项目实现了一个基于Contourlet变换的图像融合算法框架。Contourlet变换是一种具有多尺度、局部化和各向异性的二位图像分层表示方法，专门用于克服传统小波变换在表达图像边缘方向性方面的局限。系统通过结合拉普拉斯金字塔（LP）分解和方向滤波器组（DFB），能够更有效地捕获图像中的线条和面状特征，从而在融合过程中保留更多细节和能量。该系统适用于处理红外与可见光、医学多模态图像以及多聚焦场景下的图像融合任务。

---

功能特性

1. 多尺度多方向分解：利用Contourlet变换的特性，将图像分解为不同空间频率和不同方向的子带系数，支持自定义分解层数和各层方向数。
2. 双重融合策略设计：针对低频和高频系数分别采用不同的融合规则，兼顾背景亮度的平滑度和边缘细节的锐利感。
3. 自适应权重机制：在低频部分引入区域能量权重，在高频部分引入局部标准差判别机制，实现融合系数的动态选择。
4. 闭环重构流程：包含从分解、融合到逆变换重构的完整闭环，确保图像在处理过程中能量损失最小。
5. 量化评估体系：集成了包括信息熵、平均梯度、标准差、空间频率及互信息在内的五项核心指标，提供客观的融合质量报告。
6. 内置测试环境：程序包含自动生成多源模拟图像的功能，方便在没有外部数据集的情况下直接进行功能演示和算法验证。

---

系统逻辑与实现细节

1. 预处理与环境准备 系统首先对输入的两幅图像进行灰度化处理，并将其转换为双精度浮点数以保证运算精度。随后检测两图尺寸，若不一致则自动重采样对齐，确保空间域的一致性。

2. Contourlet多尺度分解实现 分解过程分为两个核心阶段：

• 拉普拉斯金字塔分解：通过高斯滤波和下采样，逐层提取图像的低通分量和高频残差（奇异点）。
• 方向滤波器组（DFB）分解：对LP分解得到的每一层高频残差，利用运动模糊滤波器模拟出的方向敏感算子进行多方向投影，获得具有各向异性的方向子带系数。

3. 复合融合规则

• 低频系数融合：计算两图像低频区域的能量分布图（基于窗口均值滤波后的平方和），得出能量权重矩阵。融合后的低频分量由能量占比较大的部分主导，有效防止了背景对比度的下降。
• 高频系数融合：采用基于局部标准差（Local Standard Deviation）的自适应准则。系统逐像素计算每个方向子带的局部清晰度，选择标准差更大的系数作为融合点，以此最大化保留边缘特征。

4. 逆变换重构 重构过程是分解的逆过程，从最细尺度开始，逐层进行上采样和高斯插值。将各层合成后的方向子带与上采样后的低频分量相加，通过迭代逐步还原出最终的融合图像。

5. 性能评价模块 为了评估实验效果，系统内置了以下数学指标：

• 信息熵 (IE)：衡量图像包含的信息量丰富程度。
• 平均梯度 (AG)：反映图像的微小细节反差和纹理特征，数值越高图像越清晰。
• 标准差 (SD)：表示图像像素值的离散程度，反映对比度高低。
• 空间频率 (SF)：通过行频率和列频率衡量图像的整体活跃程度。
• 互信息 (MI)：计算融合图像与两个源图像之间的相关性，反映从源图中提取信息的完整性。

---

关键函数功能解析

• 多尺度分解函数：负责控制分解层数。每进一层，图像分辨率减半，并调用方向分解子模块。
• 方向子模块：利用特定旋转角度的滤波器模拟DFB，将单层高频图像输出为一组多方向稀疏矩阵。
• 自适应融合函数：核心逻辑层，根据输入系数计算掩码。掩码决定了每一个位置的像素来自哪一张源图像，或者是按比例混合。
• 局部滤波器：利用滑窗计算均值和标准差，是实现局部区域权重分配的计算基础。
• 指标计算工具：利用直方图概率分布计算信息熵，利用二维梯度算子计算空间频率，利用联合分布直方图计算互信息。

---

系统要求

• 软件环境：MATLAB R2016b 或更高版本。
• 工具箱依赖：Image Processing Toolbox（图像处理工具箱）。
• 内存需求：建议 8GB RAM 以上，以处理大尺寸图像的矩阵运算。

---

使用方法

1. 启动 MATLAB 软件，将工作路径切换至项目所在文件夹。
2. 在命令行窗口输入入口函数名并回车。
3. 系统将自动生成模拟的测试场景（包含模拟红外热源和模拟可见纹理）。
4. 程序会自动运行分解、融合、重构流程，并弹出可视化窗口显示三张图像：源图像A、源图像B及最终的Contourlet融合结果。
5. 查看命令行窗口输出的“图像融合质量评价报告”，获取客观量化数据。
6. 如需处理真实数据，可修改主程序开头部分，将其中的测试图像生成代码替换为读取本地文件的 imread 语句。