在多尺度图像融合中,通常将图像进行多尺度变换,再对变换后的低频系数与高频系数采用一定的融合规则进行融合,然而融合规则的选择将影响图像的清晰度与融合质量。将视觉显著模型与变分法理论应用在多尺度图像的低频系数融合中,获取最优的融合系数组合,从而增强融合效果,通过对红外线与可见光图像、医学图像的融合实验表明,该方法能克服融合图像对比度偏低的缺陷,获取的图像能较好地保留源图像的显著目标信息,如形状、大小、色调、纹理等,特别是针对异源亮度差异较大的图像。在主观视觉感受与客观评价指标上都有所提升。 且边缘对齐的权重也通过调整而实行。由显著性图进行处理得到的权重图用于全变分模型中去引导低频系数融合，能更好地保护源图像中的显著目标及边缘信息，从而提升融合效果。2显著计算与变分法结合2．1图像融合框架基于多尺度变换图像融合方法包含3个步骤:图像分解、系数融合与图像重构。多尺度图像融合-数控滚圆机滚弧机折弯机张家港滚圆机滚弧机倒角机因低频系数代表图像的大部分细节信息，所以对低频系数的融合显得非常关键，本文所做的工作是利用视觉显著模型来指导低频系数的融合，获取更精准的系数组合来增强融合效果，完整的融合流程如图1所示。图1融合流程图具体的融合过程如下:1)获取低频权重图，分别对源图像1和2按照上文选择的视觉显著模型获取显著性图S1，S2，将显著图采用系数取大的规则得到权重图W1，W2， 本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/ 将该权重图用于全变分模型去引导低频系数融合，从而获取源图像相应加权系数组合。2)分解图像，采用上文介绍的多尺度变换MUDW对源图像1和2进行分解，获得相应的低频系数L1，L2与各个尺度上的高频系数。多尺度图像融合-数控滚圆机滚弧机折弯机张家港滚圆机滚弧机倒角机3)低频与高频系数融合，由变换域全变分模型求得低频权值函数α，对低频系数加权融合，高频系数采用绝对值取大的融合规则进行融合。4)多尺度反变换，将融合后的低频系数与相应的高频系数通过MUDW反变换可获得最终融合图像。2红外线与可见光图像与4种方法融合结果对比图取了图像融合领域常用的客观评价指标，互信息量(MI)、边缘保持度(QAB/F)［8］、结构相似度(SSIM)［14］、信息熵(Entropy)［4］、平均梯度(AvreageGradient，AVG)对几种方法的融合结果进行进一步评价对比。结果如表1所示。 本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/ 表1红外线与可见光图像融合结果客观评价指标对比融合方文献［15文献［16］2．81实验结果表明，文献［16］方法与本文方法在客观评价指标上明显优于LAP方法与文献［15］方法，这与上文描述的主观视觉感受结果类似。然而，本文采用的融合方法在互信息量、信息熵、边缘保持度、平均结构相似度这4项客观评价指标较文献［16］方法有所提高，结构相似度指标值相近，这也与人的视觉感受结果对应。3．2CT/MＲ医学图像融合如图3a和图3b是医学图像为人体结构剖面图，显著目标主要是软组织结构。对其采用相同的方法进行实验，结果如图3c～3f所示。图3CT与MＲ图像及四种方法融合图像结果对比从图3中可看出，传统多尺度变换LAP得到的图像对比度明显偏高，仅仅只能看清图像的轮廓信息，其细节纹理并不能清楚看出;文献［15］基于图像域的变分法得到的图像整体对比度偏低，图像亮度偏暗，无法识别显著目标、边缘与细节;文献［16］基于非抽样形态小波方法与本文方法得到图像裸眼观看无明显区别，仅能看出图像左上方本章方法得到的图像亮度多尺度图像融合-数控滚圆机滚弧机折弯机张家港滚圆机滚弧机倒角机 本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/