多源传感器图像融合工具箱

资 源 简 介

该项目是一个基于MATLAB环境开发的图像融合实验与应用平台，旨在实现对来自不同传感器（如红外、可见光、SAR、医学扫描设备等）的图像进行高效整合。其核心功能包括：支持多种空域融合算法，通过对像素点进行加权平均、主成分分析（PCA）或独立成分分析（ICA）实现信息提取；支持频域多尺度分解融合，采用拉普拉斯金字塔、离散小波变换（DWT）以及非下采样轮廓波变换（NSCT）等技术，在不同频率子带上应用差异化的融合规则以保留边缘细节；内置自动增强和对比度提升模块，确保融合图像具有良好的视觉效果。应用场景涵盖军事侦

详 情 说 明

MATLAB多源传感器图像融合工具箱

项目介绍

本项目是一个专为多源传感器图像处理设计的MATLAB实验与应用平台。它旨在解决红外与可见光图像、不同焦距图像以及医疗/遥感图像的融合问题。通过整合多种经典的空域与变换域算法，该工具箱能够提取不同源图像中的互补信息，生成细节丰富、特征明显的融合图像，并提供标准化的客观指标评价体系。

功能特性

1. 多算法集成：内置主成分分析（PCA）、离散小波变换（DWT）、拉普拉斯金字塔以及导向滤波（GFF）四种主流融合技术。
2. 全流程处理：涵盖测试图像模拟生成、彩色空间转换（YCbCr）、图像融合、色度恢复及最终可视化。
3. 多维评价体系：提供信息熵（Entropy）、空间频率（SF）、平均梯度（AG）及结构相似性（SSIM）四种客观性能评估指标。
4. 可视化对比：自动生成融合结果对比图以及基于各项指标的柱状统计图。

使用方法

1. 启动 MATLAB 软件。
2. 将工具箱代码所在文件夹设置为当前工作目录。
3. 在命令行窗口直接运行主程序脚本。
4. 程序将自动生成模拟测试图像并执行四种算法的融合计算。
5. 计算完成后，系统会自动弹出融合效果展示窗口及性能指标评价图表，并在命令行输出具体的数值报告。

系统要求

• MATLAB R2016b 或更高版本。
• 图像处理工具箱 (Image Processing Toolbox)。

核心实现逻辑与算法分析

该工具箱通过一个完整的流水线实现从原始图像到融合评价的过程，具体逻辑如下：

#### 1. 图像预处理与模拟

• 测试数据生成：程序内置了模拟测试函数。它读取标准图像（如cameraman.tif），通过高斯模糊和掩模覆盖技术，分别模拟出左侧清晰和右侧清晰的两幅传感器图像，用于验证融合算法在保留清晰区域信息的能力。
• 颜色空间映射：针对彩色图像，程序采用 YCbCr 空间处理策略。系统仅提取表示亮度的 Y 分量进行核心算法融合，而将 Cb 和 Cr 色度分量直接保留。这种方式能有效避免彩色融合中常见的伪彩色和色调偏移问题。

#### 2. 核心融合算法实现细节

• 主成分分析 (PCA) 融合：通过计算两幅源图像的协方差矩阵并进行特征值分解。提取最大特征值对应的特征向量作为权重系数，实现像素级的加权融合。该方法能有效提取图像的主要线性特征。
• 离散小波变换 (DWT) 融合：采用 Haar 小波对图像进行单层分解。在频域上，低频系数（LL）采取均值计算以保留整体轮廓；高频系数（LH、HL、HH）则遵循“绝对值最大”原则，旨在最大限度地捕捉边缘和细节跳变。最后通过逆变换（IDWT）恢复图像。
• 拉普拉斯金字塔融合：将图像分解为 4 个层级的金字塔结构。顶层低频分量进行简单加权平均；底层及中间层的高频分量通过计算局部区域能量（3x3 均值滤波辅助）进行显著性对比，选择像素值更显著的部分。通过逐层上采样和差分恢复实现最终融合。
• 导向滤波 (GFF) 融合：利用导向滤波将图像分解为保持边缘的基底层和包含细节的细节层。利用 Sobel 等级度算子计算显著性图，进而生成决策权重映射。这种方法在保留对比度的同时具有极佳的抗伪影效果。

#### 3. 质量评价算法

• 信息熵：基于直方图统计计算图像的信息含量，熵值越大代表融合图像包含的信息越丰富。
• 空间频率：通过计算水平和垂直方向的像素差分，反映图像的活跃程度和细节表现力。
• 平均梯度：衡量图像的清晰度，梯度越大说明图像纹理越清晰。
• 结构相似性 (SSIM)：计算融合图像与两个源图像之间的结构关联性，程序中取其均值作为保留源图像结构信息的量化参考。

#### 4. 后处理与呈现 融合后的亮度分量会与原始色度分量重新合成，并通过 YCbCr 到 RGB 的转换恢复自然色彩。最终利用 MATLAB 绘图功能，通过多子图布局和 bar 图表直观展示不同算法在清晰度、信息量和结构保持方面的差异。