基于Contourlet变换与区域统计的图像融合系统

资 源 简 介

该项目实现了基于区域统计特性的多源图像融合算法，旨在提高融合结果的视觉效果和细节保留能力。系统利用集成的Contourlet工具箱对输入图像进行多尺度和多方向的几何变换，将图像分解为低频子带和多个高频方向子带。核心融合环节摒弃了简单的单像素处理方法，转而采用基于区域统计特性的高级规则：对于低频系数采用基于区域能量的权值分配策略，以保留背景亮度信息；对于高频系数则根据区域方差或梯度信息选择显著性较高的系数，以突出图像的轮廓与边缘纹理。该算法能有效抑制噪声并减少伪影，生成的图像在对比度、边缘清晰度及信息熵等指

详 情 说 明

基于区域统计的融合规则及Contourlet变换图像处理系统

项目介绍

本项目实现了一种基于区域统计特性的多源图像融合算法，结合了Contourlet变换的多尺度、多方向特性。该系统旨在解决传统单像素融合规则容易产生的对比度下降及细节丢失问题。通过对图像进行多阶段分解，并针对低频和高频分量分别应用基于区域能量和区域方差的融合策略，系统能够有效提取并整合源图像中的显著特征，从而生成边缘清晰、信息丰富的融合图像。

功能特性

1. 多尺度方向分解：模拟Contourlet变换过程，通过拉普拉斯金字塔分解结合方向滤波器组，将图像映射至具有平移不变性和方向选择性的变换域。
2. 区域能量加权融合：针对保留背景亮度的低频子带，采用区域能量比例进行权值分配，确保融合结果的亮度分布自然。
3. 区域方差显著性选择：针对包含轮廓和细节的高频子带，利用区域方差度量局部特征的显著性，选取特征更明显的系数以保留边缘细节。
4. 综合指标评估：内置自动化评测模块，从信息量、反差程度、清晰度等多个维度定量评估融合质量。
5. 仿真图像生成：具备模拟多聚焦场景的测试图生成能力，可在无外部数据的情况下进行算法验证。

使用方法

1. 启动环境：在MATLAB开发环境中打开项目文件夹。
2. 执行主程序：直接运行主脚本文件。
3. 观察过程：系统将依次执行图像初始化、Contourlet分解、子带融合、图像重构及性能计算，并在命令行实时显示处理进度。
4. 结果查看：程序运行结束后，将自动弹出可视化窗口，对比展示源图像与融合结果，并列出关键性能指标数据。

系统要求

1. 软件环境：MATLAB R2016b 或更高版本。
2. 必备工具箱：Image Processing Toolbox（图像处理工具箱）。
3. 硬件建议：能够运行标准MATLAB环境的计算机。

实现逻辑说明

主程序严格遵循以下处理流程：

一、 图像初始化与预处理 程序首先清空工作区，并调用模拟函数生成一组具有不同聚焦区域的测试图像。生成的图像被转换为双精度浮点数（double）并归一化至 [0, 1] 范围，以保证计算精度。

二、 Contourlet变换分解 系统模拟了Contourlet的构造过程。首先进行多级拉普拉斯金子塔分解以获取多尺度特征；在每一层高频部分，应用方向滤波器组，使用不同角度的算子（如旋转后的边缘算子）提取多方向的细节信息。

三、 低频系数融合规则 对于分解得到的低频近似子带，程序采用基于区域能量的权值分配策略。通过设定 3x3 的滑动窗口计算局部能量分布，根据两幅图像在相同位置的能量占比确定融合权重，以此实现背景信息的平稳过渡。

四、 高频方向系数融合规则 对于各个尺度的方向子带，程序采用基于区域方差的选择性融合规则。计算每一系数周围区域的方差，方差越大代表该处包含的边缘信息越多、显著性越高。系统通过掩模（Mask）矩阵选择方差较大的系数作为融合后的结果。

五、 图像重构与后处理 融合后的系数通过逆方向滤波器组进行叠加，并逐层进行上采样和低频补偿，最终重构成融合图像。程序对重构后的像素值进行溢出处理，确保其在合法灰度范围内，并转换回 8 位无符号整型进行最终展示。

六、 性能评测体系 系统计算了四个核心评价指标：

1. 信息熵：反映融合图像所包含的信息量丰富程度。
2. 标准差：衡量图像的反差和像素值离散程度。
3. 平均梯度：体现图像的微小细节反差和清晰度。
4. 空间频率：评价图像在行、列两个方向上的总体活跃度。

关键算法细节分析

1. 方向性滤波：本项目通过旋转 Sobel 算子并利用图像滤波函数实现方向特征提取。这种方式能够捕捉图像在不同倾斜角度下的纹理结构。
2. 区域能量计算：不同于单像素点比较，区域能量通过平方和均值滤波实现，增强了算法对噪声的鲁棒性。
3. 统计学特性应用：利用方差（Variance）作为高频显著性度量，是基于人类视觉系统对对比度剧烈变化区域更为敏感的原理。
4. 多级分解：系统支持自定义层数（默认为两层，分别产生 4 个和 8 个方向），这使得算法能够根据图像内容的复杂度进行多粒度的特征提取。