基于NSCT的自适应多聚焦图像融合算法

施文娟

（盐城师范学院 物理科学与电子技术学院，江苏 盐城 224002）

图像融合是指将两幅或多幅包含不同信息的图像融合成一幅信息量最大化的图像，以获得更多信息。传统的图像融合算法大体可以分成两类[1-2]：一类在空间域上，对匹配后的源图像直接进行加权平均处理，从而得到一幅新的融合图像。这种方法简单易行，但容易使得到的融合图像产生明显的人工拼接痕迹。另一类是基于变换的方法，该方法将多尺度变换作为抽取图像显著特征的工具，包括图像金字塔分解的算法[3-4]、基于小波的方法[5-6]和基于非降采样轮廓波变换NSCT（Nonsubsampled Contourlet Transform）[7]。随着小波理 论的发展，小波分析逐渐成为图像融合领域的研究热点。但由于小波融合算法具有有限个方向，在水平、垂直、对角方向的缺乏使得小波变换不能充分利用图像本身的几何正则性，容易丢失图像中的细节信息。

NSCT具有多尺度、方向性和平移不变性等特点，可以有效提取待融合图像中的方向信息，使得融合后的图像更好地满足人眼的视觉要求。

本文主要研究多聚焦图像的融合，将具有平移不变性的NSCT引入图像融合，根据NSCT分解方向子带特点[7]，提出一种新的基于局部区域特性的NSCT自适应多聚焦图像融合算法。该算法基于局部均值和局部方差选择低频子带系数，并在带通方向子带信息中引用局部方向对比度作为测量算子来选择带通方向子带系数，改善融合后图像模糊现象。实验结果也验证了该算法的有效性。……