小波图像融合综述（2）——图像融合规则

       对图像而言，小波变换是将图像分解成频域上各个频率段的子图，以代表原图的各个特征分量。这对后续的融合处理极为重要，使得融合处理可以根据不同的特征分量采用不同的融合方法以达到最佳融合效果。图像的融合策略（方法）是图像融合的核心，方法与规则的优劣直接影响融合的速度与质量。
       在一幅图像的小波分解中，绝对值较大的小波高频系数对应着亮度急剧变化的点，也就是图像中对比度变换较大的边缘特征，如边界、亮线及区域轮廓。融合的效果就是对同样的目标，融合前在图像A中若比图像B中显著，融合后图像A中的目标就被保留，图像B中的目标就被忽略。这样，图像A、B中目标的小波变换系数将在不同的分辨率水平上占统治地位，从而在最终的融合图像中，图像A 与图像B中的显著目标都被保留。
       目前小波域的融合规则主要分为两种：
       一、基于单个像素的融合规则
主要包括:（1）小波系数的直接替换或追加；（2）最大值选取；（3）加权平均。
       二、基于区域特征的融合规则。
主要包括:（1）基于梯度的方法；（2）基于局域方差的方法；（3）基于局域能量的方法。
       基于像素的融合规则在融合处理时表现出对边缘的高度敏感性，使得在预处理时要求图像是严格对准的，否则处理结果将不尽人意，这就加大了预处理的难度。
       基于区域的融合规则由于考虑了与相邻像素间的相关性，降低了对边缘的敏感性，所以具有更加广泛的适用性。

图1

       针对不同类型的图像，下面介绍几种常用的融合方法：
（1）取系数绝对值较大法
       适合高频成分较丰富，亮度、对比度较高的原图像，否则在融合图像中只保留一幅图像的特征，其他的特征被覆盖；融合图像中基本保留原图像的特征，图像对比度与原图像基本相同。小波变换的实际作用是对信号解相关，并将信号的全部信息集中到一部分具有大幅值的小波系数中。这些大的小波系数含有的能量远比小系数含有的能量大，从而在信号的重构中，大的系数比小的系数更重要。
（2）加权平均法
       权重系数可调，适用范围广，可消除部分噪声，原图像信息损失较少，但会造成图像对比度的下降，需要进行图像灰度增强。
（3）消除高频噪声法
       高频噪声基本消除，融合图像对比度较高，原图像特征可较好地保留在融合图像中，但在消除高频噪声的同时，损失了部分高频信息。
（4）双阈值法
       适于原图像中一幅图像的灰度分布均衡，高频成分较多；双阈值可选，增加了算法的实用性，但选择阈值时要考虑原图像灰度分布的特点，否则有可能出现边缘跳跃的现象。