23、图像融合算法实验结果与评估

图像融合算法实验结果与评估

1. LRDWF 图像融合算法实验与评估

为验证基于 LRDWF 的图像融合算法，使用了多种类型的图像，包括两对多聚焦图像、一对医学图像、一对遥感图像以及一对可见和红外图像序列，所有图像均已配准且具有 256 级灰度。将 LRDWF 融合算法的实验结果与标准 DWT 融合算法、UDWT 融合算法和 DTCWT 融合算法进行比较。为便于表述，这四种算法分别用 LRDWF、DWT、UDWT 和 DTCWT 表示，且都通过不同的融合规则进行验证，包括大绝对像素值规则（CM）、基于区域的加权平均规则（WA）和基于窗口的验证规则（WBV）。

实验中采用特定的性能评估方法对融合结果进行定量评估，因篇幅有限，仅展示 CM 规则下的融合图像。所有变换均进行四步分解，DTCWT 使用 Q - shift14 - beat 滤波器组，其他变换使用 Bior4.4。

• 多聚焦图像融合
  • 模拟多聚焦图像融合 ：源图像采用模拟的 Barbara 多聚焦图像。从融合图像与理想图像的差异可看出，DWT 融合图像有明显失真，DTCWT 融合图像仅在聚焦和失焦边界附近有明显失真，LRDWF 算法接近最佳的 UDWT 算法，整体图像失真较小，图像分布更均匀。从 RMSE 数据来看，在三种规则下，LRDWF 算法的融合性能优于 DWT 和 DTCWT 算法，最接近 UDWT 算法。此外，基于区域的融合规则 WA 和 WBV 能有效提高 DWT 算法的融合性能，但对 LRDWF、UDWT 和 DTCWT 三种（近似）不变算法无效，甚至会降低性能指标。