吴翠先++李秋锋

摘要：针对传统图像融合保留源图像信息和边缘信息的不足，提出了一种基于轮廓波的改进梯度图像融合算法。首先源图像经轮廓波分解，得到低频和高频子带系数；其次，低频采用改进梯度、高频采用SML的选取规则；最后轮廓波反变换得到融合图像。实验表明，本文提出算法比小波方法、传统轮廓波方法融合效果好。融合图像的信息量大，边缘信息丰富。

关键词：图像融合 轮廓波 改进梯度

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2014）10-0049-02

图像融合综合了来自同一场景多幅源图像的信息，以达到更好的视觉效果和便于识别的目的，获得比单一源图像信息更全面，精确可靠的图像[1]。小波变换具有良好的时频分析特性、多分辨率、局域性和稀疏特性等。小波变换分解的方向有限，即水平、垂直和对角方向，能最优的表示一维分段光滑信号点的奇异性，但在表示二维或更高维图像信号点的奇异性时却存在不足。2002年Do[2]等提出了Contourlet变换（CT），克服了小波变换在表示高维信号的缺点，且具有良好的多分辨率、方向性、各向异性和局部分析的能力，能更好的捕获图像边缘细节信息。

本文利用Contourlet变换的特性和处理图像的优势，针对传统图像融合在保留源图像信息和边缘特性的不足，提出了一种基于Contourlet变换的改进梯度图像融合算法。低频采用八方向Sobel算子改进梯度的选取规则，高频采用SML的选取规则。通过实验，证实了本文算法的有效性，融合图像较好的保留了源图像的信息和边缘细节信息。……