[论文解读] A New Multifocus Image Fusion Method Using Contourlet Transform

Fatemeh Vakili Moghadam, Hamid Reza Shahdoosti|arXiv (Cornell University)|Sep 13, 2017

Advanced Image Fusion Techniques参考文献 14被引用 7

一句话总结

本文提出了一种基于轮廓波变换的新型多焦点图像融合方法，以增强图像的清晰度和聚焦效果。该方法通过轮廓波变换分解源图像，利用空间频率提取显著特征，通过最大选择规则选取最优系数，并利用逆轮廓波变换重建融合图像，在实验评估中表现出优越的性能。

ABSTRACT

A new multifocus image fusion approach is presented in this paper. First the contourlet transform is used to decompose the source images into different components. Then, some salient features are extracted from components. In order to extract salient features, spatial frequency is used. Subsequently, the best coefficients from the components are selected by the maximum selection rule. Finally, the inverse contourlet transform is applied to the selected coefficients. Experiments show the superiority of the proposed method.

研究动机与目标

• 解决将多个具有不同聚焦区域的图像融合为单一全聚焦图像的挑战。
• 通过利用轮廓波变换的方向性和多分辨率特性，提升融合质量。
• 通过空间频率增强特征提取，以识别显著的图像成分。
• 基于最大选择规则开发一种稳健的融合策略，实现最优系数选择。
• 与现有融合方法相比，实现更优的视觉和定量结果。

提出的方法

• 利用轮廓波变换将源图像分解为多个子带，实现多分辨率和方向性分析。
• 为每个子带计算空间频率，以量化能量和细节含量，作为显著性度量。
• 应用最大选择规则，从输入图像对应子带中选择最具信息量的系数。
• 将所选系数用作逆轮廓波变换的输入，以重建融合图像。
• 通过利用轮廓波变换高效表示几何结构的能力，保留边缘和纹理。
• 融合过程独立应用于每个子带，确保聚焦信息的局部优化。

实验结果

研究问题

• RQ1 如何有效利用轮廓波变换将多焦点图像分解为方向性和多分辨率成分？
• RQ2 空间频率在在多大程度上可作为识别图像子带中显著特征的可靠度量？
• RQ3 最大选择规则是否能优于其他融合规则，以更好地保留多幅图像中的聚焦区域？
• RQ4 与现有多焦点图像融合技术相比，所提出方法在视觉和定量质量方面表现如何？
• RQ5 系数选择策略对最终融合图像的清晰度和细节保留有何影响？

主要发现

• 所提方法在融合图像中实现了更高的视觉质量，显著改善了边缘和纹理的保留效果。
• 实验结果表明，该方法在融合性能度量指标上优于传统融合技术。
• 将空间频率用作显著性度量，能有效识别每个子带中最具信息量的图像成分。
• 最大选择规则成功选出了最相关的系数，使融合图像更加清晰和聚焦。
• 基于轮廓波的方法提供了更好的方向选择性和多分辨率表示，从而提升了整体融合精度。
• 该方法在各种测试图像上表现出鲁棒性，融合质量保持高度一致。