A novel image fusion rule based on Structure Similarity indices

图像融合是一种图像处理的领域，目的是将通过多种传感器获得的多个源图像融合成一张包含所有关键信息的单一图像。图像融合在各种应用中具有重要意义，比如医学诊断、计算机视觉、物体检测和遥感等。图像融合的过程通常包括两个步骤：图像变换和融合规则。在图像变换的过程中，大多数方法由两个子步骤组成：选择或训练某些基然后计算对应的系数。在过去的几十年中，各种变换算法被用于图像变换。按照获得基的方法，这些变换算法可以分为两类：一类预先设定基，如离散小波变换(DWT)和离散余弦变换(DCT)，而另一类则是获得基。 本文提出了一种新颖的图像融合规则，基于结构相似性的指标。通过基训练算法K-SVD和追求算法正交匹配追踪(OMP)获得源图像片段的稀疏表示。然后，根据每个片段对的结构相似性指标将图像片段分组为相关片段和独立片段。分别用“系数选择最大”规则和一个新的融合规则“方差选择最大”融合对应的相关片段和独立片段的稀疏系数。根据实验，所提出的图像融合方法在融合图像的视觉质量和客观度量中都取得了良好的性能。 结构相似性指数是用于评估图像质量的指标之一，能够测量图像中结构信息的保留程度。基于结构相似性指数的图像融合规则，可以确保融合图像在视觉上保留更多源图像的结构信息，从而在图像质量上得到更好的效果。在“方差-选择最大”规则中，首先通过稀疏表示获取源图像片段，然后根据结构相似性指数将片段分组，最后通过特定规则融合相关片段和独立片段的稀疏系数。K-SVD算法用于稀疏表示的训练，而OMP算法用于稀疏系数的追求。 图像融合的效果评价通常涉及主观和客观两种评估方式。主观评价依赖于人的视觉感知，一般通过观察者对融合后图像的视觉质量进行打分。客观评价则是通过计算图像质量的指标来进行，例如，通过比较融合图像与原始图像的误差来评估融合的效果。常见的客观评价指标包括峰值信噪比(PSNR)、结构相似性指数(SSIM)、多尺度结构相似性指数(MSSIM)等。 在图像处理领域，图像融合是一个不断发展的研究方向，除了结构相似性指数，还有其他多种图像融合技术被提出。这些技术包括基于小波变换的融合、基于金字塔变换的融合、基于多尺度几何分析的融合等。每种技术都有其优点和适用的场景，而图像融合的研究继续致力于寻找更加高效和高质量的融合方法，以满足不同领域的应用需求。随着算法的不断优化和技术的进步，图像融合在处理多源异构图像数据时的性能得到了显著提升。