二维小波的提升方案及其在图像融合中的应用

doi:10.3778/j.issn.1002-8331.2009.16.056

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (16): 190-192.DOI: 10.3778/j.issn.1002-8331.2009.16.056

• 图形、图像、模式识别 • 上一篇下一篇

二维小波的提升方案及其在图像融合中的应用

何伟¹,刘斌²

湖北大学数学与计算机科学学院，武汉 430062

收稿日期:2008-11-17 修回日期:2009-02-13 出版日期:2009-06-01 发布日期:2009-06-01
通讯作者: 何伟

New lifting wavelet method and application in image fusion

HE Wei¹,LIU Bin²

College of Mathematics and Computer Science，Hubei University，Wuhan 430062，China

Received:2008-11-17 Revised:2009-02-13 Online:2009-06-01 Published:2009-06-01
Contact: HE Wei

摘要/Abstract

摘要： 提出了一种新的二维小波提升方法，并把它应用于图像融合中。该方法利用图像局部结构的相关性和方向性，将两个配准后的图像经过提升小波分解，合并相关系数，再通过逆变换，得到融合后图像。并引入信息熵、相关系数和清晰度等性能指标对融合后的图像进行分析。实验结果表明，此提升方法在融合速度以及融合后的图像质量上优于传统小波变换和张量积小波提升方法。

关键词: 图像融合, 提升小波变换, 离散小波变换

Abstract: A new lifting 2-D wavelet transform method was presented and applied into image fusion.This lifting transform was based on the correlation of local structure of the image and direction.Two registered images were decomposed by this new lifting wavelet transform，and then merged the coefficients.The fusion image was gained by reconstruction.Comparing the performance of entropy，correlation coefficient and image definition，this lifting transform is better than the traditional wavelet transform and the tensor product wavelet lifting method in terms of the adaption，the speed of image fusion and the spatial quality.

Key words: image fusion, lifting wavelet transform, discrete wavelet transform

何伟¹,刘斌². 二维小波的提升方案及其在图像融合中的应用[J]. 计算机工程与应用, 2009, 45(16): 190-192.

HE Wei¹,LIU Bin². New lifting wavelet method and application in image fusion[J]. Computer Engineering and Applications, 2009, 45(16): 190-192.

[1]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[2]	顾梅花，王苗苗，李立瑶，冯婧. 彩色图像多尺度融合灰度化算法[J]. 计算机工程与应用, 2021, 57(4): 209-215.
[3]	王长城，周冬明，刘琰煜，谢诗冬. 无监督深度学习模型的多聚焦图像融合算法[J]. 计算机工程与应用, 2021, 57(21): 209-215.
[4]	呼亚萍，孔韦韦，李萌，黄翠玲. 改进TV图像去噪模型的全景图像拼接算法[J]. 计算机工程与应用, 2021, 57(17): 203-209.
[5]	李广安，曹岩，岳晓新. 基于BEEMD分解的红外与可见光图像融合[J]. 计算机工程与应用, 2021, 57(14): 237-244.
[6]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[7]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[8]	吴帆，高媛，秦品乐，王丽芳. 基于拉普拉斯金字塔和CNN的医学图像融合算法[J]. 计算机工程与应用, 2020, 56(15): 208-214.
[9]	李一菲，杨燕，张国强. 基于补偿暗通道和透射率融合的图像去雾算法[J]. 计算机工程与应用, 2019, 55(3): 196-201.
[10]	余霆嵩，文元美，凌永权. 基于张量分解融合RGB-D图像的物体识别[J]. 计算机工程与应用, 2019, 55(2): 174-178.
[11]	李敏，苑贤杰，骆志丹，邱晓华. 基于改进引导滤波与DCPCNN的图像融合方法[J]. 计算机工程与应用, 2019, 55(19): 207-213.
[12]	王烈，罗文，陈俊鸿，秦伟萌. 自适应PCNN与信息提取的红外与可见光图像融合[J]. 计算机工程与应用, 2018, 54(4): 192-198.
[13]	付争方1，朱虹2. 多尺度细节融合的多曝光高动态图像重建[J]. 计算机工程与应用, 2018, 54(24): 182-187.
[14]	贾澎涛，贾伟. 煤矿井下视频多目标轨迹跟踪算法研究[J]. 计算机工程与应用, 2018, 54(2): 222-227.
[15]	刘栋，聂仁灿，周冬明，侯瑞超，熊磊. 结合NSST与GA参数优化PCNN图像融合[J]. 计算机工程与应用, 2018, 54(19): 158-163.

二维小波的提升方案及其在图像融合中的应用

New lifting wavelet method and application in image fusion

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics