[发明专利]一种基于复小波变换的SSIM图像融合算法

说明书

本技术方案属于图像处理技术领域，具体涉及一种基于复小波变换的SSIM图像融合算法，包括步骤1：图像A与图像B分别进行双树复小波分解，分别得到高频复小波变换系数与低频复小波变换系数；步骤2：低频复小波变换系数采用基于SSIM的图像融合算法进行融合，高频复小波变换系数采用高频系数取大法进行融合；步骤3：将上步中分别融合后的低频复小波变换系数与高频复小波变换系数进行双树复小波逆变换，并重构得到融合图像；本方法对结构性失真较敏感，从而进一步提高了图像的融合效果。

技术领域

本技术方案属于图像处理技术领域，具体涉及一种基于复小波变换的SSIM图像融合算法。

背景技术

目前，图像数据融合的分类多种多样，将其按图像处理的像素数据量的多少可划分为：处理数据量小的像素层融合、处在中间层次的特征级融合以及决策层融合三个层次，其处理层次从低级到高级，处理的数据量从大到小，像素级融合是其余各级融合层次的基础，层层推进。自图像融合技术起始以来，出现了多种多样的图像融合方法，但大多数主要集中在像素级图像融合，主要有以下几种基于空域的融合算法(逻辑滤波法、像素平均加权法、像素值取大法和主成分分析法等)，基于变换域的融合算法(拉普拉斯金字塔、小波变换融合算法和基于多尺度几何变换融合算法等多种)，各种融合算法均有各自的优缺点。因此，随着图像融合技术的深入研究与发展，采用不同的图像融合算法针对不同结构与不同需求的图像，将会是未来图像融合技术的探索方向。过去绝大部分图像融合算法都集中于提高融合图像的客观评价参数，并且多数融合算法在当输入图像配准后出现非结构失真时，经过融合算法后获得的图像各方面的参数值都会降低许多。因而，获取符合人类视觉特性和对输入图像的非结构失真不敏感的融合算法就成为了图像融合研究的热门领域。近来，有人认为图像像素之间具有高度的结构性与相关性，并据此提出了结构相似性(SSIM)指标理论。该指标充分考虑了图像的结构信息与人眼视觉特性之间的一致性，主要用来评价一幅图像是否符合人类主观视觉特性。但是由于结构相似性(SSIM)指标对图像的微小的平移、伸缩、旋转等十分敏感，严重影响对非结构失真图像的质量评价的结果。为了解决这个问题，有人又提出了基于复小波变换的结构相似度指标CWSSIM(Complex WaveletStructural Similarity Index Measurement)，这种指标对不是由于物体的真实结构信息变化等所引起图像结构变化的非结构失真不是非常敏感，如图像较小的伸缩平移和旋转等。但是，目前由于结构相似的图像融合方法研究总体来说是用来评价融合图像质量和判断各种融合方法是否从待融合图像中获取足够的结构信息，并没有将基于人类视觉的结构相似指标(SSIM)应用到图像融合中。

对于面临的待解决问题，本技术将CWSSIM指标应用到图像融合中以期获得一种对图像的非结构性失真不敏感，对结构性失真比较敏感的图像融合算法。本技术将双树复小波变换与图像结构相似(SSIM)指标结合起来，对图像先采用双树复小波分解再对分解后的复小波系数求其SSIM值，最后根据图像双树复小波变换下的SSIM指标，对分解后的图像系数进行相应的融合规则处理，从而进一步提高了图像的融合效果。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于复小波变换的SSIM图像融合算法。本发明要解决的技术问题通过以下技术方案实现：包括以下步骤：

步骤1：图像A与图像B分别进行双树复小波分解，分别得到图像A与图像B分解后的高频复小波变换系数与低频复小波变换系数；

步骤2：图像A的低频复小波变换系数与图像B的低频复小波变换系数采用基于SSIM的图像融合算法进行融合，图像A的高频复小波变换系数与图像B的高频复小波变换系数采用高频系数取大法进行融合；

步骤3：将上步中分别融合后的低频复小波变换系数与高频复小波变换系数进行双树复小波逆变换，并重构得到融合图像。

进一步的，所述步骤2中基于SSIM的图像融合算法包括以下步骤：