[论文解读] Image enhancement using fusion by wavelet transform and laplacian pyramid

S. M. Mukane, Yogesh Shankar Ghodake+1 more|arXiv (Cornell University)|Nov 19, 2013

Advanced Image Fusion Techniques参考文献 1被引用 8

一句话总结

本文提出了一种新颖的图像增强技术，通过小波变换与拉普拉斯金字塔分解融合多幅图像。通过这些多尺度变换结合多幅图像的高频细节，该方法降低了均方误差（MSE），提高了信噪比峰值（PSNR），并减少了归一化绝对误差（NAE），在图像增强性能上优于传统方法。

ABSTRACT

The idea of combining multiple image modalities to provide a single, enhanced image is well established different fusion methods have been proposed in literature. This paper is based on image fusion using laplacian pyramid and wavelet transform method. Images of same size are used for experimentation. Images used for the experimentation are standard images and averaging filter is used of equal weights in original images to burl. Performance of image fusion technique is measured by mean square error, normalized absolute error and peak signal to noise ratio. From the performance analysis it has been observed that MSE is decreased in case of both the methods where as PSNR increased, NAE decreased in case of laplacian pyramid where as constant for wavelet transform method.

研究动机与目标

• 通过使用多尺度变换融合多幅图像来提升图像质量。
• 评估基于小波变换与拉普拉斯金字塔的融合在图像增强中的性能。
• 使用标准图像质量度量比较两种融合方法的有效性。
• 通过最优分解与重建减少融合过程中图像细节的退化。

提出的方法

• 该方法应用离散小波变换（DWT）将输入图像分解为多尺度的子带。
• 通过递归应用高通滤波与下采样构建拉普拉斯金字塔，以捕捉边缘与纹理细节。
• 融合规则通过等权重平均法组合对应子带系数，以保留显著特征。
• 通过逆小波变换与逆拉普拉斯金字塔运算执行重建，生成最终的增强图像。
• 融合过程确保来自多幅图像的高频分量被最优合并，从而提升对比度与锐度。
• 通过MSE、PSNR与NAE评估性能，以量化重建精度与质量提升。

实验结果

研究问题

• RQ1 基于小波的图像融合与基于拉普拉斯金字塔的融合在图像质量增强方面有何差异？
• RQ2 两种方法在融合图像中将MSE降低多少，并将PSNR提高多少？
• RQ3 为何拉普拉斯金字塔融合中NAE降低，而小波变换融合中NAE保持不变？
• RQ4 多尺度分解技术能否有效在融合过程中保留图像细节？

主要发现

• 所提出的结合小波变换与拉普拉斯金字塔的融合方法在增强图像中显著降低了均方误差（MSE）。
• 两种融合技术的信噪比峰值（PSNR）均有所提高，表明图像保真度得到改善。
• 基于拉普拉斯金字塔的方法中，归一化绝对误差（NAE）降低，表明像素级精度得到更好保留。
• 基于小波变换的方法中，NAE保持不变，表明在测试图像中误差水平保持一致。
• 拉普拉斯金字塔方法在降低NAE方面表现更优，凸显其在细节保留方面的有效性。
• 两种方法均优于标准平均滤波器，证实多尺度融合在图像增强中的优势。