图像融合

图像融合
实验目的
1.熟悉图像融合的意义和用途，理解图像融合的原理；
2.掌握图像融合的一般方法；
3.掌握运用MATLAB软件进行图像融合的操作。

实验原理
图像融合（Image Fusion）技术是指将多源信道所采集到的关于同一目标的图像经过一定的图像处理，提取各自信道的信息，最后综合成同一图像以供观察或进一步处理。

高效的图像融合方法可以根据需要综合处理多源通道的信息，从而有效地提高了图像信息的利用率、系统对目标探测识别地可靠性及系统的自动化程度。

其目的是将单一传感器的多波段信息或不同类传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，以增强影像中信息透明度，改善解译的精度、可靠性以及使用率，以形成对目标的清晰、完整、准确的信息描述。

这诸多方面的优点使得图像融合在医学、遥感、计算机视觉、气象预报及军事目标识别等方面的应用潜力得到充分认识、尤其在计算机视觉方面，图像融合被认为是克服目前某些难点的技术方向；在航天、航空多种运载平台上，各种遥感器所获得的大量光谱遥感图像（其中分辨率差别、灰度等级差别可能很大）的复合融合，为信息的高效提取提供了良好的处理手段，取得明显效益。

一般情况下，图像融合由低到高分为三个层次：数据级融合、特征级融合、决策级融合。

数据级融合也称像素级融合，是指直接对传感器采集来得数据进行处理而获得融合图像的过程，它是高层次图像融合的基础，也是目前图像融合研究的重点之一。

这种融合的优点是保持尽可能多得现场原始数据，提供其它融合层次所不能提供的细微信息。

图像融合最简单的理解就是两个（或多个）图像间的相加运算。

这一技术广泛
应用于多频谱图像理解和医学图像处理等领域。

主要分为空域和频域相加。

一、应用MATLAB软件进行两幅图像的融合的主要方法有：
1.图像直接融合；
2.图像傅立叶变换融合；
3.图像小波变换融合。

图像融合的MATLAB程序如下：
（1）调入、显示两幅图像的程序语句
load A;
X1=X;map1=map;
load B;
X2=X;map2=map; %打开图像
subplot(1,2,1)
image(X1),colormap(map1);
title(‘图像map1’)
subplot(1,2,2)
image(X2),colormap(map2);
title(‘图像map2’) %显示两幅图像
（2）两幅图像直接融合的程序语句
figure,subplot(1,3,1)
image((X1+X2)/2),colormap(map2); %在空域内直接融合
title(‘两图像直接相加融合’) %显示融合后的图像，并命名为“两图像直接相加融合”
（3）两幅图像傅立叶变换融合的程序语句
F1=fft2(X1);
F2=fft2(X2); %分别计算两幅图像的快速傅立叶变换
X=abs(ifft2(F1+F2)/2); %两幅图像在频域内相加后的傅立叶逆变换
subplot(1,3,2)
image(X),colormap(map2); %显示融合后的图像
title(‘两幅图像傅立叶变换融合’) %给融合后的图像命名并显示在图上（4）两幅图像小波变换融合的程序语句
[C1,L1]=wavedec2(X1,2, ‘sym4’);
[C2,L2]=wavedec2(X2,2, ‘sym4’); %分别对两幅原图像进行小波分解
C=C1+C2; %对分解系数进行融合
X=waverec2(C,L1,’sym4’); %对融合后的信号进行图像重构
subplot(1,3,3)
image(X/2),colormap(map2); %显示经过小波变换融合后的图像
title(‘图像小波变换融合’) %给融合后的图像命名并显示在图上
二、HIS变换原理
HIS变换是像素级图像融合方法中常用的方法，可以实现不同空间分辨率的图像之间的几何信息的叠加。

它首先将RGB颜色空间的3个波段的多光谱图像转化到HIS空间的3个量，即色调(H),亮度(I)、饱和度(S)。

亮度(I)代表空间信息，色调(H)代表光谱信息。

然后将高空间分辨率图像进行对比度拉伸，使它和亮度分量(I)有相同的直方图；最后用拉伸后的高空间分辨率图像代替亮度分量(I)，把它同色调(H),饱和度(S)进行HIS逆变换得到融合图像。

实验内容
1. 调入两幅数字图像，并进行三种方法的图像融合；
2. 调入两幅数字图像，采用wfusimg函数进行小波图像融合；
3. 调入两幅数字图像，根据HIS变换原理得到融合图像。

1、
% 加载两幅原始图像
load bust;
X1 = X;
load mask;
X2 = X;
% 融合两幅图像的5层小波分解
% 使用‘db2'小波
% 取细节和近似信号的平均值融合
XFUSmean = wfusimg(X1,X2,'db2',5,'mean','mean'); % 取近似信号的最大值，细节信号的最小值融合XFUSmaxmin = wfusimg(X1,X2,'db2',5,'max','min'); % 画出融合后的图像和原始图像
colormap(map);
subplot(221), image(X1),
axis square, title('bust')
subplot(222), image(X2),
axis square, title('mask')
subplot(223), image(XFUSmean),
axis square,
title('融合图像，平均值-平均值')
subplot(224), image(XFUSmaxmin),
axis square, title('融合图像，最大值-最小值')
')
2、
% 加载两幅原始图像
load cathe_1;
X1 = X;
load cathe_2;
X2 = X;
% 融合两幅图像的5层小波分解
% 使用‘db2'小波
% 取细节和近似信号的最大值值融合XFUS = wfusimg(X1,X2,'sym4',5,'max','max'); % 画出融合后的图像和原始图像colormap(map);
subplot(221), image(X1),
axis square,
title('Catherine 1')
subplot(222), image(X2),
axis square,
title('Catherine 2')
subplot(223), image(XFUS),
axis square,
title('Synthesized
image')
3、
x=imread('board.tif');
f=imresize(x,0.5);
x1=rgb2gray(x); %高分辨率灰度图像hsi=rgb2hsi(f);
i=hsi(:,:,3);s=hsi(:,:,2);h=hsi(:,:,1); hspec=imhist(i);
x2=histeq(x1,hspec);
s1=imresize(s,2);
h1=imresize(h,2);
hsi1=cat(3,h1,s1,mat2gray(x2));
xx=hsi2rgb(hsi1);
imshow(xx); title('融合后图像');
figure;imshow(x); title('原图');
figure;imshow(x1); title('高分辨率灰度图像'); figure;imshow(f);title('低分辨率彩色图像')。