基于RP、CVT、DTCWT、NSCT-SR+DWT-SR+拉普拉斯金字塔算法-SR等实现MRT图像融合附matlab源码
基于RP、CVT、DTCWT、NSCT-SR+DWT-SR+拉普拉斯金字塔算法-SR等实现MRT图像融合附matlab源码
TT_Matlab
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，完整matlab代码或者程序定制加qq1575304183。
1 内容介绍
在图像融合文献中，多尺度变换（MST）和稀疏表示（SR）是最常用的两个
广泛使用的信号/图像表示理论。本文提出了一个通用的图像融合框架
通过结合 MST 和 SR 同时克服基于 MST 和 SR 的融合方法的固有缺陷。在我们的融合框架中，首先对每个预注册的源图像以获得它们的低通和高通系数。然后，合并低通带使用基于 SR 的融合方法，而高通带使用 coef- 的绝对值进行融合ficients 作为活动水平的测量。最后通过逆MST得到融合图像
关于合并系数。所提出的融合框架相对于单个 MST 或首先从理论的角度详细展示了基于 SR 的方法，然后通过实验通过多焦点、可见红外和医学图像融合验证。特别是六大流行的多尺度变换，包括拉普拉斯金字塔 (LP)、低通金字塔比 (RP)、离散小波变换(DWT)、双树复小波变换 (DTCWT)、曲波变换 (CVT) 和非下采样Contourlet 变换 (NSCT)，测试了从 1 到 4 的不同分解级别在我们的实验中。通过对融合结果进行主观和客观的比较，我们给出了在所提出的框架下对每一类图像融合的最佳融合方法。效果还研究了滑动窗口的步长。此外，实验结果表明所提出的融合框架可以获得最先进的性能，特别是对于融合多模态图像。
2 仿真代码
clear all;
close
all;
clc;
addpath(genpath(
’sparsefusion’
));
addpath(genpath(
’dtcwt_toolbox’
));
addpath(genpath(
’fdct_wrapping_matlab’
));
addpath(genpath(
’nsct_toolbox’
));
load(
’sparsefusion/Dictionary/D_100000_256_8.mat’
);
[imagename1 imagepath1]=uigetfile(
’source_images*.jpg;*.bmp;*.png;*.tif;*.tiff;*.pgm;*.gif’
,
’Please choose the first input image’
);
image_input1=imread(strcat(imagepath1,imagename1));
[imagename2 imagepath2]=uigetfile(
’source_images*.jpg;*.bmp;*.png;*.tif;*.tiff;*.pgm;*.gif’
,
’Please choose the second input image’
);
image_input2=imread(strcat(imagepath2,imagename2));
figure;subplot(
121
);imshow(image_input1);title(
’图1’
);subplot(
122
);imshow(image_input2);title(
’图2’
)
if
size(image_input1)~=size(image_input2)
error(
’two images are not the same size.’
);
end
img1=double(image_input1);
img2=double(image_input2);
overlap =
6
;
epsilon=
0
.
1
;
level=
4
;
% To make a comparison, please
use
% LP-SR
for
medical image fusion,
% DTCWT-SR
for
visible-infrared image fusion,
% NSCT-SR
for
multi-focus image fusion.
tic;
if
size(img1,
3
)==
1
%for gray images
imgf = lp_sr_fuse(img1,img2,level,
3
,
3
,D,overlap,epsilon); %LP-SR
imgf1 = rp_sr_fuse(img1,img2,level,
3
,
3
,D,overlap,epsilon); %RP-SR
imgf2 = dwt_sr_fuse(img1,img2,level,D,overlap,epsilon); %DWT-SR
imgf3 = dtcwt_sr_fuse(img1,img2,level,D,overlap,epsilon); %DTCWT-SR
imgf4 = curvelet_sr_fuse(img1,img2,level+
1
,D,overlap,epsilon); %CVT-SR
imgf5 = nsct_sr_fuse(img1,img2,[
2
,
3
,
3
,
4
],D,overlap,epsilon); %NSCT-SR
else
%for color images
imgf=zeros(size(img1));
imgf1=zeros(size(img1));
imgf2=zeros(size(img1));
imgf3=zeros(size(img1));
imgf4=zeros(size(img1));
imgf5=zeros(size(img1));
for
i=
1
:
3
imgf(:,:,i) = lp_sr_fuse(img1(:,:,i),img2(:,:,i),level,
3
,
3
,D,overlap,epsilon); %LP-SR
imgf1(:,:,i) = rp_sr_fuse(img1(:,:,i),img2(:,:,i),level,
3
,
3
,D,overlap,epsilon); %RP-SR
imgf2(:,:,i) = dwt_sr_fuse(img1(:,:,i),img2(:,:,i),level,D,overlap,epsilon); %DWT-SR
imgf3(:,:,i) = dtcwt_sr_fuse(img1(:,:,i),img2(:,:,i),level,D,overlap,epsilon); %DTCWT-SR
imgf4(:,:,i) = curvelet_sr_fuse(img1(:,:,i),img2(:,:,i),level+
1
,D,overlap,epsilon); %CVT-SR
imgf5(:,:,i) = nsct_sr_fuse(img1(:,:,i),img2(:,:,i),[
2
,
3
,
3
,
4
],D,overlap,epsilon); %NSCT-SR
end
end
toc;
figure;;subplot(
231
);imshow(uint8(imgf));title(
’LP-SR’
);
subplot(
232
);imshow(uint8(imgf1));title(
’RP-SR’
)
subplot(
233
);imshow(uint8(imgf2));title(
’DWT-SR’
)
subplot(
234
);imshow(uint8(imgf3));title(
’DTCWT-SR’
)
subplot(
235
);imshow(uint8(imgf4));title(
’CVT-SR’
)
subplot(
236
);imshow(uint8(imgf5));title(
’NSCT-SR’
)
imwrite(uint8(imgf),
’Results/fused_mstsr.tif’
);
3 运行结果
4 参考文献
[1] A. Goshtasby, S. Nikolov, Image fusion: advances in the state of the art, Inform.
Fusion 8 (2) (2007) 114–118 .
[2] P. Burt, E. Adelson, The laplacian pyramid as a compact image code, IEEE Trans.
Commun. 31 (4) (1983) 532–540 .
[3] A. Toet, Image fusion by a ratio of low pass pyramid, Pattern Recogn. Lett. 9 (4)
(1989) 245–253 .
[4] V. Petrovic, C. Xydeas, Gradient-based multiresolution image fusion, IEEE
Trans. Image Process. 13 (2) (2004) 228–237 .
[5] H. Li, B. Manjunath, S. Mitra, Multisensor image fusion using the wavelet
transform, Graph. Models Image Process. 57 (3) (1995) 235–245 .
[6] M. Beaulieu, S. Foucher, L. Gagnon, Multi-spectral image resolution refifinement
using stationary wavelet transform, in: Proceedings of 3rd IEEE International
Geoscience and Remote Sensing Symposium, 2003, pp. 4032–4034.