基于离散小波变换的多尺度图像融合系统

资 源 简 介

该项目旨在利用MATLAB平台实现一种基于离散小波变换（DWT）的高动态图像融合处理方案。其核心原理是通过对两幅或多幅具有互补信息的源图像（如不同焦点的摄影图像、红外与可见光图像或不同模态的医学影像）进行多尺度分解，将其转化为低频近似子带和多个方向的高频细节子带。在融合过程中，针对不同的频率成分采用差异化的融合准则：低频部分通常采用区域平均或加权平均算法以保持图像的整体轮廓和亮度信息；高频部分则通过比较局部梯度信号或选择绝对值最大的系数来提取源图像中的边缘、纹理和细节特征。最后，通过逆离散小波变换（IDW

详 情 说 明

基于小波技术的图像融合MATLAB系统

项目介绍

本系统是一款基于离散小波变换（DWT）的图像融合处理方案。系统通过模拟两幅具有互补聚焦特征的图像（分别在左侧和右侧模糊），展示了如何利用多尺度分解技术提取不同源图像中的关键特征。通过对低频近似分量和高频细节分量运用差异化的融合策略，系统能够将各源图像的清晰部分和关键细节整合到一幅重构图像中，从而提高图像的整体清晰度和信息量。

功能特性

• 自动图像预处理：内置测试图像生成功能，能够自动生成模拟真实摄影中的多聚焦场景图像。
• 多尺度分解：支持对图像进行3层离散小波分解，将图像特征分离至不同频率带。
• 差异化融合策略：

- 对低频部分采用线性加权平均，确保背景亮度和整体轮廓的平滑过渡。 - 对高频部分采用绝对值极大值准则，精准捕捉源图像中的边缘、纹理和细节。

• 多维度性能评估：集成信息熵、平均梯度、峰值信噪比（PSNR）及结构相似度（SSIM）四大主流图像评价指标。
• 直观可视化输出：同步对比显示源图像与融合结果，并实时打印量化评价数据。

系统要求

• 软件环境：MATLAB R2016a 或更高版本。
• 必要工具箱：

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

实现逻辑与步骤

1. 数据准备与标准化：

系统首先通过特定数学模型生成测试图像。测试过程将彩色图像转换为灰度图像，并将其像素值从整数类型转换为双精度浮点型（im2double），同时将数值范围归一化到 [0, 1] 区间，为后续的小波运算奠定基础。

1. 小波多尺度分解：

利用 db2 小波基函数对两幅输入图像进行 3 层二维离散小波分解（DWT）。该过程会产生一个低频近似系数矩阵和多个层级的高频细节系数矩阵（包含水平、垂直及对角线三个方向）。

1. 执行融合规则：

• 低频融合：设置权重系数 alpha 为 0.5，对两图的低频系数进行平均运算（cA_fused = 0.5 * cA1 + 0.5 * cA2），旨在融合两者的整体光照和基础轮廓。
• 高频融合：遍历每一层分解系数，对比两幅图像在相同坐标位置的高频系数绝对值。选取绝对值较大的一方作为融合后的系数（Maximize Absolute Rule），以此确保图像最清晰的边缘信息被保留。

1. 逆变换与重构：

将通过规则处理后得到的新系数矩阵组合成完整的系数向量，执行二维逆离散小波变换（IDWT）。随后对重构数据进行边界截断处理，确保最终像素值严格处于有效的 [0, 1] 范围内。

1. 质量评估与输出：

系统将融合后的图像与源图像进行对比，计算其包含的信息量（熵值）以及边缘清晰度（平均梯度）。最后，通过可视化窗口展示三张对比图像，并在控制台输出具体的性能分数值。

关键函数与算法分析

• 离散小波分解算法：采用多尺度分解技术，能够同时在空间域和频率域观察图像特征，是处理非平稳图像信号的有效工具。
• 多聚焦测试源生成：利用高斯滤波（fspecial 与 imfilter）对图像的不同区域进行局部平滑处理，精准模拟了光学相机对焦不准产生的模糊效应。
• 绝对值极大值选定规则：这是高频分量处理的核心逻辑。由于高频系数代表了图像的突变部分（如边缘），绝对值越大通常意味着该处的对比度越高、细节更清晰。
• 性能评价体系：

- 信息熵：反映图像内容的丰富程度，熵值越大说明融合后的信息量越丰富。 - 平均梯度：反映图像的微小细节反差和纹理变化，是衡量图像清晰度的重要参数。 - PSNR 与 SSIM：从信号误差和结构完整性两个维度衡量融合图相对于参考图的保真度。

使用方法

1. 启动 MATLAB 软件。
2. 将系统相关的所有函数代码置于当前工作路径下。
3. 执行主程序入口函数，系统将自动生成模拟图像并运行融合流程。
4. 查看弹出的图像窗口以对比融合效果，并查阅命令行窗口显示的评价指标。
5. 如需处理实际图片，只需将代码中的图像生成逻辑替换为标准的图像读取指令。