[论文解读] A new Contrast Based Image Fusion using Wavelet Packets

Ravi Balasubramanian, Gaurav Bhatnagar|ArXiv.org|Dec 3, 2008

Advanced Image Fusion Techniques参考文献 8被引用 6

一句话总结

本文提出了一种基于对比度的新型图像融合方法，利用小波包分解以提升图像质量，从而改善分割与特征提取效果。通过在高频子带中应用定向对比度，随后进行小波包逆变换，该方法在2008年IEEE会议研究中，经由定量指标与视觉分析验证，相比现有技术展现出更优的融合性能。

ABSTRACT

Image Fusion, a technique which combines complimentary information from different images of the same scene so that the fused image is more suitable for segmentation, feature extraction, object recognition and Human Visual System. In this paper, a simple yet efficient algorithm is presented based on contrast using wavelet packet decomposition. First, all the source images are decomposed into low and high frequency sub-bands and then fusion of high frequency sub-bands is done by the means of Directive Contrast. Now, inverse wavelet packet transform is performed to reconstruct the fused image. The performance of the algorithm is carried out by the comparison made between proposed and existing algorithm.

研究动机与目标

• 开发一种更有效的图像融合技术，以增强多幅源图像的视觉质量并保留关键特征。
• 通过利用小波包分解实现更优的子带表示，以解决现有融合方法的局限性。
• 通过应用于高频子带的基于对比度的选择策略，提升融合性能。
• 通过定性与定量评估，将所提方法与现有算法进行对比验证。

提出的方法

• 利用离散小波包变换（DWPT）将源图像分解为低频与高频子带。
• 通过定向对比度度量对高频子带进行融合，以突出边缘与纹理。
• 定向对比度度量通过评估局部对比度能量，选择输入图像中最具信息量的系数。
• 将融合后的高频子带与低频子带结合，低频子带通常通过最大值或平均值规则选取。
• 对融合后的子带应用小波包逆变换，以重构最终的融合图像。
• 在一组多模态图像上实现并测试该方法，性能与传统融合技术进行对比。

实验结果

研究问题

• RQ1 与标准小波变换相比，小波包分解在图像融合性能方面有何提升？
• RQ2 基于对比度的融合规则在多大程度上增强了融合图像中边缘与纹理的保持？
• RQ3 所提方法在客观图像质量指标方面是否能超越现有融合算法？
• RQ4 定向对比度度量如何促进高频子带中最佳系数的选择？

主要发现

• 所提方法在客观指标方面优于传统基于小波的融合技术，验证了其更高的融合质量。
• 视觉检查确认融合图像中边缘、纹理和细微细节得到更好保留。
• 在高频子带融合中使用定向对比度，显著增强了局部对比度，使图像特征更清晰。
• 该算法在多种图像对（包括医学与遥感图像）中表现出稳健性。
• 定量结果表明，与基线方法相比，融合性能指标（如熵与相关性）持续提升。