[论文解读] A novel statistical fusion rule for image fusion and its comparison in non subsampled contourlet transform domain and wavelet domain

V. T. Manu, Philomina Simon|arXiv (Cornell University)|May 8, 2012

Advanced Image Fusion Techniques参考文献 8被引用 4

一句话总结

该论文提出了一种新型的统计融合规则——加权平均合并法（WAMM），应用于非抽样轮廓波变换（NSCT）域进行图像融合，相较于小波域方法，在医学图像、遥感图像和多焦点图像中均展现出更优的边缘保持能力和视觉质量。

ABSTRACT

Image fusion produces a single fused image from a set of input images. A new method for image fusion is proposed based on Weighted Average Merging Method (WAMM) in the NonSubsampled Contourlet Transform (NSCT) domain. A performance analysis on various statistical fusion rules are also analysed both in NSCT and Wavelet domain. Analysis has been made on medical images, remote sensing images and multi focus images. Experimental results shows that the proposed method, WAMM obtained better results in NSCT domain than the wavelet domain as it preserves more edges and keeps the visual quality intact in the fused image.

研究动机与目标

• 开发一种新的统计融合规则，通过利用变换域的方向性和多分辨率特性来提升图像融合性能。
• 比较不同统计融合规则在非抽样轮廓波变换（NSCT）域和离散小波变换（DWT）域中的性能表现。
• 在多种图像类型（包括医学图像、遥感图像和多焦点图像）上评估所提方法，以确保其在各类应用中的鲁棒性。
• 证明基于NSCT的WAMM融合方法在视觉质量与边缘保持方面优于基于小波的融合方法。

提出的方法

• 所提方法在非抽样轮廓波变换（NSCT）域中应用加权平均合并法（WAMM）作为统计融合规则。
• 使用NSCT将输入图像分解为多个子带，无下采样地保留方向性和多分辨率特征。
• 基于局部图像特征（如方差和能量）的统计加权，对NSCT系数应用融合规则。
• 通过逆NSCT对融合后的系数进行重构，生成最终的融合图像。
• 为对比分析，相同融合过程也在离散小波变换（DWT）域中重复执行。
• 通过视觉观察和定量指标（如边缘保持度和结构相似性）评估性能。

实验结果

研究问题

• RQ1 所提出的NSCT域WAMM融合规则在边缘保持和视觉质量方面是否优于现有统计融合规则？
• RQ2 WAMM在NSCT域中的性能与在小波域中的性能相比，在不同图像类型中表现如何？
• RQ3 与基于小波的融合相比，基于NSCT的融合在保持结构细节和减少伪影方面程度如何？
• RQ4 所提融合规则能否有效应对包括医学图像、遥感图像和多焦点图像在内的多样化图像融合场景？
• RQ5 当使用相同的统计融合规则时，NSCT域与小波域在融合质量上的定量差异是什么？

主要发现

• 所提NSCT域WAMM融合规则在边缘保持方面优于小波域，经视觉与定量分析验证。
• NSCT域生成的融合图像在复杂纹理和精细细节方面保持了更高的视觉质量和结构完整性。
• 该方法在医学图像、遥感图像和多焦点图像中均表现出一致的性能，表明其具有广泛适用性。
• NSCT域中的统计融合规则在图像特征保持和伪影最小化方面优于小波域中的规则。
• 基于NSCT的方法保留了更多高频分量并减少了模糊，从而生成更清晰的融合图像。
• 实验结果证实，NSCT相较于DWT更适合图像融合，因其具备平移不变性和方向选择性。