图像融合中多尺度变换方法总结（下）

为了选取融合效果较好的多尺度变换方法来提高多波段图像融合质量，现用七种多尺度变换方法结合高频绝对值取大，低频加权平均的融合规则对可见光、红外短波和红外长波图像进行融合，通过主观人眼视觉的角度与客观评价中的信息量、统计特性和人眼视觉特性对融合效果进行分析比较，找到融合效果较好的多尺度变换方法。

多尺度变换方法特点分析

金字塔变换

（1）拉普拉斯金字塔变换
LP变换能够很好的表示图像不同分辨率上的高频细节。通过比较不同原图像拉普拉斯金字塔对应尺度的图像，提取出原图像各自突出的图像细节信息融合到融合图像中，丰富融合图像的信息量，达到较好地融合结果。基于拉普拉斯金字塔变换的图像融合方法具有不同尺度、不同分辨率的显著特征，因而能获得与人类视觉特性更为接近的融合效果。
（2）对比度金字塔
CP变换应用于图像融合技术中,是由于考虑到人眼视觉系统对图像灰度局部的对比度更为敏感，希望在融合过程中将原图像具有较高对比度的图像信息融合进融合结果。但是由于对比度金字塔的重构是乘法关系，在融合图像中不同灰度特点的图像的像素经相乘关系放大，最后融合出来的图像灰度就有可能存在明显的失真。
小波变换
（1）离散小波变换
DWT变换是一种多分辨率分析方法，具有良好的时频局部化分析特点。但其信号每次经过滤波器滤波后必须进行下采样，这一下采样过程虽然降低了信息的冗余度，但同时也使得离散小波变换不再有平移不变性，使得融合结果存在虚假信息，融合图像会出现不规则边缘和波纹状的伪影。另外，离散小波变换能在各个尺度上分解出三个不同方向的细节信息，方向选择上有局限性，无法更好描述不同方向的变换，对一些方向信息的融合效果不够好。、
（2）双树复小波变换
DTCWT变换不仅保持了DWT变换的多分辨率特性和时频局部化分析特性，而且相比小波变换具有更好的平移不变性，并且能在各个尺度上分解六个方向的细节信息，从而更好的描述图像的方向特征。可避免在融合图像的边缘出现伪轮廓，能反映出图像在不同分辨率_上沿多个方向上的变化情形，但是DTCWT变换不能很好的表示图像的空间结构，例如曲线和边缘。
（3）曲波变换
CVT变换具有DWT变换的多分辨率和时频局部化分析特性，还具有各向异性和很，强的方向性，能够用较少的非零系数精确、稀疏地表征图像的边缘信息，以逼近图像的曲线状奇异特征。CVT变换后的非零系数点集中了图像的大部分有用信息，能量更加集中，有利于分析图像的边缘、纹理等重要特征。但是曲波变换计算复杂度较高，不能在图像的多分辨率分析框架内实现，且在执行过程中需要进行下采样操作因而不具有平移不变性，导致重构时会出现伪吉布斯现象。
（4）非下采样轮廓波变换
NSCT变换是一种真正意义上的图像二维表示方法，具有多分辨率特性和时频局部化分析特性，还具有高度的方向性和各向异性特性，因此能完整的逼近图像的边缘轮廓信息，能克服图像的伪影，但是非下采样金字塔变换的细节捕捉能力差，容易遗漏图中的细微细节信息，弱化了奇异点，不能很好的表现图像的局部变化特征的问题。
（5）非下采样剪切波变换
NSST变换通过费下采样金字塔滤波器组合滤波器完成对源图像的多尺度多方向分解。NSST在对图像进行多尺度变换是不进行下采样操作，因而具有平移不变性，在对图像进行重构时可以克服伪吉布斯效应。同样，NSST变换由于非下采样金字塔变换对一些小细节表达能力有所欠缺，所以不能很好的表现图像的局部变化特征问题。
综合以上分析，基于LP、CP、DWT、DTCWT、CVT、NSCT、NSST等融合技术特点如表一所示。