基于小波变换的图像融合算法研究毕业论文（含外文翻译）.doc

1、摘要本文给出了一种基于小波变换的图像融合方法，并针对小波分解的不同频率域，分别讨论了选择高频系数和低频系数的原则。 高频系数反映了图像的细节，其选择规则决定了融合图像对原图像细节的保留程度。本文在选择高频系数时，基于绝对值最大的原则，低频系数反映了图像的轮廓，低频系数的选择决定了融合图像的视觉效果，对融合图像质量的好坏起到非常重要的作用。图像融合是以图像为主要研究内容的数据融合技术，是把多个不同模式的图像传感器获得的同一场景的多幅图像或同一传感器在不同时刻获得的同一场景的多幅图像合成为一幅图像的过程。MATLAB小波分析工具箱提供了小波分析函数，应用MATLAB进行图像融合仿真，通过突出轮廓部

2、分和弱化细节部分进行融合，使融合后的图象具有了两幅或多幅图象的特征，更符合人或者机器的视觉特性，有利于对图像进行进一步的分析和理解，有利于图像中目标的检测和识别或跟踪。关键词 小波变换；融合规则；图像融合Image Fusion Algorithm Based on Wavelet Transform AbstractIn this paper, the image fusion method based on wavelet transform, and for the wavelet decomposition of the frequency domain, respectively,

3、discussed the principles of select high-frequency coefficients and low frequency coefficients. The high-frequency coefficients reflect the details of the image, the selection rules to determine the extent of any reservations of the fused image on the original image detail. The choice of high-frequen

4、cy coefficients, based on the principle of maximum absolute value, and consistency verification results. The low-frequency coefficients reflect the contours of the image, the choice of the low frequency coefficients determine the visual effect of the fused image, play a very important role in the fu

5、sed image quality is good or bad.MATLAB Wavelet Analysis Toolbox provides a wavelet analysis function using MATLAB image fusion simulation, highlight the contours of parts and the weakening of the details section, fusion, image fusion has the characteristics of two or multiple images, more people or

6、 the visual characteristics of the machine, the image for further analysis and understanding, detection and identification or tracking of the target image.Keywords Wavelet transform; Fusion rule; Image Fusion不要删除行尾的分节符，此行不会被打印目录摘要IAbstractII第1章 绪论11.1 课题研究的意义及背景11.1.1 本课题的研究背景11.1.2 课题研究的实际意义31.2 本文

7、的主要内容3第2章 小波变换理论基础62.1 小波变换62.1.1小波变换的思想62.1.2 连续小波基函数72.1.3 连续小波变换82.1.4 离散小波变换92.1.5 二进小波变换92.2 多分辨率分析与离散小波快速算法102.2.1 多分辨率分析102.2.2尺度函数和尺度空间112.2.3 离散小波变换的快速算法112.3 几种常用的小波122.4 Mallat的快速算法142.5 本章小结15第3章 基于小波变换的图像融合方法研究163.1 图像融合概述163.2 图像融合的方法163.3 基于小波变换的图像融合算法原理173.3.1 基于小波分解的融合算法流程173.3.2 高频

8、系数融合规则183.3.3低频系数融合规则193.4 本章小结21第4章 实验结果及分析224.1 实验的仿真224.2 实验的结果分析234.3 本章小结24结论25致谢26参考文献27附录A28附录B30千万不要删除行尾的分节符，此行不会被打印。在目录上点右键“更新域”，然后“更新整个目录”。打印前，不要忘记把上面“Abstract”这一行后加一空行第1章 绪论1.1 课题研究的意义及背景1.1.1 本课题的研究背景图像融合是以图像为主要研究内容的数据融合技术，是把多个不同模式的图像传感器获得的同一场景的多幅图像或同一传感器在不同时刻获得的同一场景的多幅图像合成为一幅图像的过程。由于不同模

9、式的图像传感器的成像机理不同，工作电磁波的波长不同，所以不同图像传感器获得的同一场景的多幅图像之间具有信息的冗余性和互补性，经图像融合技术得到的合成图像则可以更全面、更精确地描述所研究的对象正是由于这一特点，图像融合技术现已广泛地应用于军、遥感、计算机视觉、医学图像处理等领域中。图像融合的目的和意义在于对同一目标的多个图像可以进行配准、合成，以克服单一图像的局限性，使有关目标图像更趋完备，从而提高图像的可靠性和清晰度。以获得对某一区域更准确、更全面和更可靠的描述，从而实现对图像的进一步分析和理解，或目标的检测、识别与跟踪。基于小波变换的图像融合方法可以聚焦到图像的任意细节，被称为数学上的显微镜

10、。近年来，随着小波理论及其应用的发展，已将小波多分辨率分解用于像素级图像融合。小波变换的固有特性使其在图像处理中有如下优点：完善的重构能力，保证信号在分解过程中没有信息损失和冗余信息；把图像分解成平均图像和细节图像的组合，分别代表了图像的不同结构，因此容易提取原始图像的结构信息和细节信息；小波分析提供了与人类视觉系统方向相吻合的选择性图像。但是，图像融合的大多数方法是针对静态图像，在一些实时性要求高的场合缺乏必要的实时性，限制了应用范围。小波分析（wavelet）是在应用数学的基础上发展起来的一门新兴学科，近十几年来得到了飞速的发展作为一种新的时频分析工具的小波分析，目前已成为国际上极为活跃的

11、研究领域从纯粹数学的角度看，小波分析是调和分析这一数学领域半个世纪以来工作的结晶；从应用科学和技术科学的角度来看，小波分析又是计算机应用，信号处理，图形分析，非线性科学和工程技术近些年来在方法上的重大突破由于小波分析的“自适应性”和“数学显微镜”的美誉，使它与我们观察和分析问题的思路十分接近，因而被广泛应用于基础科学，应用科学，尤其是信息科学，信号分析的方方面面1。小波变换的概念是由法国从事石油信号处理的工程师J.Morlet在1974年首先提出的，通过物理的直观和信号处理的实际需要经验的建立了反演公式，当时未能得到数学家的认可。正如1807年法国的热学工程师J.B.J.Fourier提出任一

12、函数都能展开成三角函数的无穷级数的创新概念未能得到著名数学家J.L.Lagrange，P.S.Laplace以及A.M.Legendre的认可一样。幸运的是，早在七十年代，A.Calderon表示定理的发现、Hardy空间的原子分解和无条件基的深入研究为小波变换的诞生做了理论上的准备，而且J.O.Stromberg还构造了历史上非常类似于现在的小波基；1986年著名数学家Yammerer偶然构造出一个真正的小波基，并与S.Mallat合作建立了构造小波基的同意方法棗多尺度分析之后，小波分析才开始蓬勃发展起来，其中比利时女数学家I.Daubechies撰写的小波十讲（Ten Lectures o

13、n Wavelets）对小波的普及起了重要的推动作用。它与Fourier变换、窗口Fourier变换（Gabor变换）相比，这是一个时间和频率的局域变换，因而能有效的从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析（Multiscale Analysis），解决了Fourier变换不能解决的许多困难问题，从而小波变化被誉为“数学显微镜”，它是调和分析发展史上里程碑式的进展1。Matlab 是MathWorks 公司于1982年推出的一套高性能的数值计算和可视化软件，它集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个方便的、界面友好的用户环境。在Matlab环境

14、下，对图像的分析和处理可采用人机交互的方式，用户只需按Matlab的格式要求给出相应的命令，其分析处理结果便以数值或图形方式显示出来。作为一种应用广泛的编程工具，Matlab在图形处理方面有着明显的优势：具有强大的矩阵运算功能，时观察图形的变化；带有丰富的图像处理函数库，其图像处理工具箱(image processing toolbox)几乎涵盖了所有常用的图像处理函数，Matlab在图像处理中的应用都是由相应的Matlab函数来实现3。随着计算机性能的不断提高，人们发现工程上的许多问题可以通过计算机强大的计算功能来辅助完成。如此一来，MATLAB软件强大的数值运算核心开始被关注。经过近20年

15、的发展，MATLAB的核心被进一步完善和强化，同时许多工程领域的专业人员也开始用MATLAB构造本领域的专门辅助工具，这些工具后来发展为MATLAB的各种工具箱。特别值得一提的是，MATLAB是一种开放式的软件，任何人经过一定的程序都可以将自己开发的优秀的应用程序集加入到MATLAB工具的行列。这样，许多领域前沿的研究者和科学家都可以将自己的成果集成到MATLAB之中，被全人类继承和利用。因此，我们现在看到的MATLAB才会如此强大和丰富2。1.1.2 课题研究的实际意义小波分析的应用领域十分广泛，它包括：数学领域的许多学科；信号分析、图像处理；量子力学、理论物理；军事电子对抗与武器的智能化；

16、计算机分类与识别；音乐与语言的人工合成；医学成像与诊断；地震勘探数据处理；大型机械的故障诊断等方面；例如，在数学方面，它已用于数值分析、构造快速数值方法、曲线曲面构造、微分方程求解、控制论等。在信号分析方面的滤波、去噪声、压缩、传递等。在图像处理方面的图像压缩、分类、识别与诊断，去污等。在医学成像方面的减少B超、CT、核磁共振成像的时间，提高分辨率等。 (1)小波分析用于信号与图像融合是小波分析应用的一个重要方面。它的特点是融合准确度高，融合效果好，融合后能保持信号与图像的总数据量不变，且在传递中可以抗干扰。基于小波分析的融合方法很多，比较成功的有基于多分辨分析的图像融合，应用Mallat小波

17、变换算法进行图像数据融合等。 (2)小波在信号分析中的应用也十分广泛。它可以用于边界的处理与滤波、时频分析、信噪分离与提取弱信号、求分形指数、信号的识别与诊断以及多尺度边缘检测等。 (3)在工程技术等方面的应用。包括计算机视觉、计算机图形学、曲线设计、湍流、远程宇宙的研究与生物医学方面3。MATLAB是功能强大地科学及工程计算软件，它不但具有以矩阵计算为基础的强大数学计算和分析功能，而且还具有丰富的可视化图形表现功能和方便的程序设计能力。MATLAB的应用领域极为广泛，除数学计算和分析外，还被应用于自动控制、系统仿真、数字信号领域、图形图像分析、数理统计、人工智能、虚拟现实技术、通信工程、金融

18、系统等领域4。目前小波分析在许多工程领域中都得到了广泛的应用，成为科技工作者经常使用的工具之一。MATLAB作为一种高性能的数值计算和可视化软件，经过各个领域专家的共同努力，现已包含信号处理、图像处理、通信、小波分析、系统辨识、优化以及控制系统等不同应用领域的工具箱。因此，对此次课题的研究有着十分广泛的意义3。1.2 本文的主要内容本文给出了一种基于小波变换的图像融合方法，针对原图像小波分解的不同频率域，分别讨论了高频系数和低频系数的选择原则。高频系数反映了图像的细节，其选择规则决定了融合图像对原图像细节的保留程度。本文在选择高频系数时，基于绝对值最大的原则，并对选择结果进行了一致性验证。低频

19、系数反映了图像的轮廓，低频系数的选择决定了融合图像的视觉效果，对融合图像质量的好坏起到非常重要的作用。 在某些情况下，由于受照明、环境条件、目标状态、目标位置以及传感器固有特性等因素的影响，单一的图像信息不足以用来对目标或场景进行更好的检测、分析和理解，需要多幅图像融合来得到更全面的信息。图像融合是将两幅或多幅图像融合在一起，帮助理解图像并快速地获取感兴趣的信息。图像融合技术得到的合成图像则可以更全面、更精确地描述所研究的对象，所以在多方面图象融合的意义还是十分的巨大的，这也是我选择此课题的原因。本文的具体内容如下(1)什么是图像融合及图像融合。图像融合就是通过一种特定的算法将两幅或多幅图像合

20、成为一幅新的图像。以获取对同一场景的更为精确、更为全面、更为可靠的图像描述。融合算法应该充分利用各原图像的互补信息，使融合后的图像更适合人的视觉感受，图像融合可分为三个层次：像素级融合，特征级融合，决策级融合。 其中像素级融合是最低层次的融合，也是后两级的基础。它是将各原图像中对应的像素进行融合处理，保留了尽可能多的图像信息， 精度比较高， 因而倍受人们的重视。(2)什么是基于小波变换的图像融合。在众多的图像融合技术中，基于小波变换的图像融合方法已成为现今研究的一个热点。这类算法主要是利用人眼对局部对比度的变化比较敏感这一事实，根据一定的融合规则，在多幅原图像中选择出最显著的特征，例如边缘、线

21、段等，并将这些特征保留在最终的合成图像中。在一幅图像的小波变换中，绝对值较大的小波系数对应于边缘这些较为显著的特征，所以大部分基于小波变换的图像融合算法主要研究如何选择合成图像中的小波系数，也就是三个方向上的高频系数，从而达到保留图像边缘的目的。虽然小波系数(高频系数)的选择对于保留图像的边缘等特征具有非常主要的作用，但尺度系数(低频系数)决定了图像的轮廓，正确地选择尺度系数对提高合成图像的视觉效果具有举足轻重的作用。(3)传统方法与所要研究方法的优劣。传统的基于小波变换的图像融合中大多数是采用像素平均法，这样得到的融合结果与原始图像的清晰的区域相比，其对应区域的图像质量会有所降低，而也模糊区

22、域相比，其对对应区域的图像又得到了提高，这种方法一定程度上降低了图像的对比度，效果不是很理想，另有一种方法是平均与选择相结合的方法，这种方法是根据两幅图像的相关性采用平均法或选择法，当两幅图像的相关性较强时，就采用平均法，当两幅图像相关性较弱时，就选择局部能量较大的点，这种选择原则在一定程度上符合人眼对较显著的点比较敏感这一事实，图片效果有所提高。但是其未考虑到图像的边缘的显著特征，这样有时会影响效果，而最新的方法是在原图像中选择最有可能是边缘的点加以保留，这样才能使得合成图像比较清晰，细节丰富。 (4)基于小波变换的图像融合的Matlab实现及程序的编写。Matlab具有强大的计算功能和丰富

23、的工具箱函数，例如图像处理和小波工具箱包含了大多数经典算法，并且它提供了一个非常方便快捷的算法研究平台。本文通过Mtalab很好的完成了仿真。第2章 小波变换理论基础2.1 小波变换小波分析（Wavelet Analysis）是在现代调和分析的基础上发展起来的一门新兴学科，其基础理论知识涉及到函数分析、傅立叶分析、信号与系统、数字信号处理等诸方面，同时具有理论深刻和应用十分广泛双重意义。我们只对小波分析的整体思想进行介绍。2.1.1小波变换的思想小波变换继承和发展了Gabor的加窗傅立叶变化的局部化思想，并克服了傅立叶变换窗口大小不能随频率变化的不足，其基本思想来源于可变窗口的伸缩和平移。小波

24、变换利用一个具有快速衰减性和振荡性的函数(成为母子波)，然后将其伸缩和平移得到了一个函数族(称之为小波基函数)，以便在一定的条件下，任一能量有限信号可按其函数族进行时频分解，基函数在时-频相平面上具有可变的时间-频率窗，以适应不同分辨率的需求5。 图2-1 小波变换的时频平面的划分在加窗傅立叶变换中，一旦窗函数选定，在时频相平面中窗口的大小是固定不变的，不随时频位置(t，f)而变化，所以加窗傅立叶变换的时-频分辨率是固定不变的，小波变换的时频相平面如图2-1所示，窗函数在时频相平面中随中心频率变换而改变，在高频处时窗变窄，在低频处频窗变窄，因而满足对信号进行时-频分析的要求。它非常适合于分析突

25、变信号和不平稳信号。况且小波变换具有多分辨率分析的特点和带通滤波器的特性，并且可用快速算法实现5，因而常用于滤波、降噪、基频提取等。但对平稳信号来说，小波分析的结果不如傅立叶变换直观，而且母小波的不唯一性给实际应用带来了困难5。小波分析属于时频分析6的一种。传统的信号分析是建立在傅立叶变换的基础之上的，由于傅立叶分析使用的是一种全局的变换，只提供信号的频域信息，而不提供信号的任何时域信息，因此无法表述信号的时频局域性质，而这性质恰恰是非平稳信号最根本和最关键的性质。2.1.2 连续小波基函数小波函数的确切定义10为：设为一平方可积函数，也即，若其傅立叶变换满足则称为一个基本小波或小波母函数，并

26、称上式为小波函数的可容许性条件。连续小波基函数的定义为：将小波母函数进行伸缩和平移，设其伸缩因子(又称尺度因子)为a，平移因子为，令其平移伸缩后的函数为，则有 (2-1)称为依赖于参数的小波基函数，由于尺度因子a、平移因子是取连续变化的值，因此称为连续小波基函数。它们是由同一母函数经伸缩和平移后得到的一组函数系列。定义小波母函数窗口宽度为，窗口中心为，则相应可求得连续小波的窗口中心为，窗口宽度为。同样，设为的傅立叶变换，其频域窗口中心为，窗口宽度为，设的傅立叶变换为，则有 (2-2)所以，其频域窗口中心为窗口宽度为可见，连续小波的时、频域窗口中心及宽度均随尺度a的变化而伸缩，若我们称为窗口函数

27、的窗口面积，由于 (2-3)所以连续小波基函数的窗口面积不随参数而变。这正是海森堡测不准原理证明的：大小是相互制约的，乘积，且只有当为Gaussian函数时，等式才成立。由此可得到如下几点结论：(1)尺度的倒数在一定意义上对应于频率，即尺度越小，对应频率越高，尺度越大，对应频率越低。如果我们将尺度理解为时间窗口的话，则小尺度信号为短时间信号，大尺度信号为长时间信号；(2)在任何值上，小波的时、频窗口的大小和都随频率(或者)的变化而变化。这是与STFT的基的不同之处；(3)在任何尺度、时间上，窗口面积保持不变，也即时间、尺度分辨率是相互制约的不可能同时提的很高；(4)由于小波母函数在频域具有带通

28、特性，其伸缩和平移系列就可以看作是一组带通滤波器。通常将通带宽度与中心频率的比值称为带通滤波器的品质因数，通过计算可以发现，小波基函数作为带通滤波器，其品质因数不随尺度而变化，是一组频率特性等的带通滤波器组6。2.1.3 连续小波变换将任意空间中的函数在小波基下进行展开，称这种展开为函数的连续小波变换(Continue Wavelet Transform,简记为CWT)，其表达式为 (2-4)由CWT的定义可知，小波变换同傅立叶变换一样，都是一种积分变换，同傅立叶变换相似，称为小波变换系数。由于小波基不同于傅立叶基，因此小波变换和傅立叶变换有许多不同之处。其中最重要的是，小波基具有尺度a、平移

29、两个参数。因此，将函数在小波基下展开就意味着将一个时间函数投影到二维的时间-尺度相平面上。并且，由于小波基本身所具有的特点，将函数投影到小波变换域后，有利于提取函数的某些本质特征。与STFT不同的是，小波变换是一种变分辨率的时频联合分析方法。当分析低频(对应大尺度)信号时，其时间窗很大，而当分析高频(对应小尺度)信号时，其时间窗减小。这恰恰符合实际问题中高频信号的持续时间短、低频信号持续时间较长的规律7。2.1.4 离散小波变换由连续小波的概念知道，在连续变化的尺度及时间值下，小波基函数具有很大的相关性，体现在不同点上的CWT系数满足重建核方程，因此信号的连续小波变换系数的信息量是冗余的。虽然

30、在某些情况下，其冗余性是有益的(例如在去噪，进行数据恢复及特征提取时，常采用CWT，以牺牲计算量、存储量为代价来获得最好的结果)，但在很多情况下，我们希望在不丢失原信号信息的情况下，尽量减小小波变换系数的冗余度。减小小波变换系数冗余度的作法是将小波基函数的、限定在一些离散点上取值。一种最通常的离散方法就是将尺度按幂级数进行离散化，即取(m为整数，一般取)。关于位移的离散化，当时，。通常对进行均匀离散取值，以覆盖整个时间轴。为了不丢失信息，要求采样间隔满足Nyquist采样定理，即采样频率大于等于该尺度下频率通常的2倍。每当增加1，尺度增加一倍，对应的频带减小一半，可见采样率可以降低一半，也就是

31、采样间隔可以增大一倍。因此，如果尺度时的间隔为，则在尺度为时，间隔可取为。此时可表示为7 (2-5)任意函数的离散小波变换为 (2-6)2.1.5 二进小波变换对于尺度及位移均离散变化的小波序列，若取离散栅格的，即相当于连续小波只在尺度上进行了二进制离散，而位移仍取连续变化，我们称这类小波为二进小波，表示为 (2-7)二进小波介于连续小波和离散小波之间，它只是对尺度参量进行了离散化，而在时间域上的平移量仍保持连续变化，因此二进小波仍具有连续小波变换的时移共变性，这是它较之离散小波变换所具有的独特优点7。二进小波介于连续小波和离散小波之间，它只是对尺度参量进行了离散化，而在时间域上的平移量仍保持

32、连续变化，因此二进小波仍具有连续小波变换的时移共变性，这是它较之离散小波变换所具有的独特优点7。2.2 多分辨率分析与离散小波快速算法2.2.1 多分辨率分析 多分辨率分析(Multi-Resolution AnalysisMRA)，又称为多尺度分析是建立在函数空间3概念上的理论。但其思想的形成来源于工程，其创建者S.mallat是在研究图像处理问题时建立这套理论。当时研究图像的一种很普遍的方法是将图像在不同尺度下分解，并将结果进行比较，以取得有用的信息。Meyer正交小波基的提出，使得Mallat想到是否用正交小波基的多尺度特性将图像展开，以得到图像不同尺度间的“信息增量” 8。这种想法导致

33、了多分辨率分析理论的建立。MRA不仅为正交小波基的构造提供了一种简单的方法，而且为正交小波变换的快速算法提供了理论依据。其思想又同多采样滤波器组不谋而合，可将小波变换同数字滤波器的理论结合起来。因此多分辨率分析在正交小波变换理论中具有非常重要的地位。若把尺度理解为照相机的镜头的话，当尺度由大到小变化时，就相当于将照相机由远及近的接近目标，在大尺度空间里，对应远镜头下观察到的目标，可观测到目标的细微部分。因此随着尺度由大到小的变化，在各尺度上可以由粗及精的观察目标。这就是多尺度(即多分辨率)的思想。图2-2 小波空间和尺度空间的包含关系多分辨率分析是指满足下列性质的一系列闭子空间：(1)一致单调

34、性： (2)渐近完全性： ；(3)伸缩规则性： (4)平移不变性： ，对所有(5)正交基存在性： 存在，使得是的正交基，即 ，小波空间和尺度空间的包含关系如图2-2所示7。2.2.2尺度函数和尺度空间 若一个函数，它的的整数平移系列满足 (2-8)则可定义为尺度函数(scale function)。定义由在空间张成的闭子空间为称为零尺度空间： (2-9)则对于任意，有 (2-10)同小波函数相似，假设尺度函数在平移的同时又进行了尺度的伸缩，得到了一个尺度和位移均可变化的函数集合： (2-11)则称每一固定尺度上的平移系列所张成的空间为尺度为的尺度空间： 对于任意，有 (2-12)由此，尺度函数

35、在不同尺度上其平移系列张成了一系列的尺度空间。由式(2-11)随着尺度的增大，函数的定义域变大，且实际的平移间隔也变大，则它的线性组合式(2-12)不能表示函数(小于该尺度)的细微变化，因此其张成的尺度空间只能包括大尺度的缓变信号。相反随着尺度的减小，线性组合便能表示函数的更细微(小尺度范围)变化，因此其张成的尺度空间所包含的函数增多(包括小尺度信号的大尺度缓变信号)，尺度空间变大。也即随着尺度的减小，其尺度空间增大6。2.2.3 离散小波变换的快速算法对于任意函数，可以将它分解为细节部分和大尺度逼近部分，然后将大尺度逼近部分进一步分解。如此重复就可以得到任意尺度(或分辨率)上的逼近部分和细节

36、部分。这就是多分辨率分析的框架。设为函数向尺度空间投影后所得到的尺度下的概貌信号， (2-13)其中，称为尺度展开系数。若将函数向不同尺度的小波空间投影，则可得到不同尺度下的细节信号： (2-14)其中，称为小波展开系数。若将按以下空间组合展开： (2-15)其中J为任意设定的尺度，则 (2-16)当时，上式变为 (2-17)即对应于时的离散小波变换综合公式(或逆小波变换)。时的小波框架为正交小波基，所以常称式(2-16)、(2-17)为离散正交小波变换综合公式。由此可知，离散正交小波变换同多分辨率分析的思想是一致的，多分辨率分析理论为正交小波变换提供了数学上的理论基础7。2.3 几种常用的小

37、波同傅立叶分析不同，小波分析的基（小波函数）不是唯一存在的，所有满足小波条件的函数都可以作为小波函数，那么小波函数的选取就成了十分重要的问题8。1) Haar 小波A.Haar于1990年提出一种正交函数系，定义如下： (2-18)这是一种最简单的正交小波，即 (2-19)2)Daubechies(dbN)小波系该小波是Daubechies从两尺度方程系数出发设计出来的离散正交小波。一般简写为dbN，N是小波的阶数。小波和尺度函数吁中的支撑区为2N-1。的消失矩为N。除N1外(Haar小波)，dbN不具对称性即非线性相位；dbN没有显式表达式(除N1外)。但的传递函数的模的平方有显式表达式。假

38、设，其中，为二项式的系数，则有 (2-20)其中 3)Biorthogonal(biorNr.Nd)小波系Biorthogonal函数系的主要特征体现在具有线性相位性，它主要应用在信号与图像的重构中。通常的用法是采用一个函数进行分解，用另外一个小波函数进行重构。Biorthogonal函数系通常表示为biorNr.Nd的形式：Nr=1 Nd=1，3，5 Nr=2 Nd=2，4，6，8 Nr=3 Nd=1，3，5，7，9Nr=4 Nd=4Nr=5 Nd=5Nr=6 Nd=8其中，r表示重构，d表示分解。4)Coiflet(coifN)小波系coiflet也是函数由Daubechies构造的一个小

39、波函数，它具有coifN(N=1，2，3，4，5)这一系列，coiflet具有比dbN更好的对称性。从支撑长度的角度看，coifN具有和db3N及sym3N相同的支撑长度；从消失矩的数目来看，coifN具有和db2N及sym2N相同的消失矩数目。5)SymletsA(symN)小波系Symlets函数系是由Daubechies提出的近似对称的小波函数，它是对db函数的一种改进。Symlets函数系通常表示为symN(N=2，3，8)的形式。6)Morlet(morl)小波Morlet函数定义为，它的尺度函数不存在，且不具有正交性。7)Mexican Hat(mexh)小波Mexican Hat

40、函数为 (2-21)它是Gauss函数的二阶导数，因为它像墨西哥帽的截面，所以有时称这个函数为墨西哥帽函数。墨西哥帽函数在时间域与频率域都有很好的局部化，并且满足 (2-22)由于它的尺度函数不存在，所以不具有正交性。8)Meyer函数Meyer小波函数和尺度函数都是在频率域中进行定义的，是具有紧支撑的正交小波。 (2-23)其中，为构造Meyer小波的辅助函数，且有 (2-24)2.4 Mallat的快速算法Mallat9在Burt和Adelson图像分解和重构的拉普拉斯塔形算法的基础上，基于多分辨率框架理论，提出了塔式多分辨分解与综合算法，巧妙的将多分辨分析与小波分析结合在一起，Malla

41、t塔式算法在小波分析中的地位颇似FFT在经典傅立叶变换中的地位。信号序列的Mallat塔式分解算法，即序列的离散小波变换算法，其中表示二次采样(即删掉奇次编号的样本)，如果 为共轭镜像滤波器对(QMF)，则实现正交小波变换，此时滤波器组是非线性相位的，如果和为线性相位滤波器，则实现双正交小波变换。设，则Mallat塔式算法用下列迭代方程表示： (2-25)从式(2-25)可以看出，Mallat塔式算法实际上是通过低通和高通滤波，把信号分解为低频和高频部分。2.5 本章小结本章主要介绍了基于小波变换图像融合的分析理论基础，详细的阐述了小波变换的思想，并介绍了几种常用的小波变换，它们分别是：连续小

42、波变换及离散小波变换二进小波变换及Mallat的快速算法。第3章 基于小波变换的图像融合方法研究3.1 图像融合概述在众多的图像融合技术中，基于小波变换的图像融合方法已成为现今研究的一个热点。图像融合是将不同传感器得到的多个图像根据某个算法进行综合处理，以得到一个新的、满足某种需求的新图像，它可将同一对象的两个或者更多的图像合成在一幅图像中，以便它比原来的任何一幅图像更容易为人们所理解。高效的图像融合方法可以根据需要综合处理多源通道的信息，从而有效的提高了图像信息的利用率和系统对目标探测识别的可靠性。其目的是将单一传感器的多波段信息或不同类传感器所提供的信息加以综合，以增强影像中信息解译的精度

43、、可靠性以及使用率，以形成对目标的清晰、完整、准确的信息描述9。3.2 图像融合的方法图像数据融合是把来自多传感器的对同一目标检测的多幅图像数据用某种方法进行处理，生成一幅能够更有效地表示该目标的检测信息。对源图像按相应象素逐个取均值的方法，将使只在一幅源图像中出现的特征的对比度减弱，甚至出现不应有的现象。为解决这一问题，近年来提出了基于塔式算法的图像融合方法。它提供了对应于多尺度的灵活、方便的多分辨率格式信息，通过适当的算法进行融合，并进行图像重建，生成融合图像14。金字塔图像融合方法克服了上述缺点，但仍有不尽如人意之处。如，金字塔的大小是源图像的4/3，增大了数据量；在金字塔重建时，有时可

44、能出现不稳定性，特别是当多幅源图像中存在明显差异区时，融合图像将出现斑块，这就有待于我们去发现更好的方法去解决问题。图像融合将不同传感器得到的多个图像根据某个算法进行综合处理，以得到一个新的、满足某种需求的新图像。这里所说的金字塔图像融合方法也就是对图象进行从高到低的小波分解，分别提取出图象中的高频分量和低频分量，由于其形状很类似于金字塔，所以在这里我就叫这种算法为金字塔算法，这种方法对于图象的融合很有效。图像融合技术不同于一般意义的图像增强，它涉及到计算机视觉、图像理解等多个领域。根据融合处理所处的不同阶段，图像融合的处理有像素级融合、特征级融合和决策级融合3个层次。像素级融合中，多分辨率图

45、像融合算法是其中一类重要的算法，而小波变换法是多分辨率分析中一种常用的算法。基于小波变换的融合算法减少了层间的相关性，得到更好的融合结果。由于不同模式的图像传感器的成像机理不同，工作电磁波的波长不同，所以不同图像传感器获得的同一场景的多幅图像之间具有信息的冗余性和互补性，经图像融合技术得到的合成图像则可以更全面、更精确地描述所研究的对象。正是由于这一特点，图像融合技术现已广泛地应用于军事、遥感、计算机视觉、医学图像处理等领域中11。3.3 基于小波变换的图像融合算法原理应用小波进行图像融合的原理是将融合方法应用到原始图像的小波分解的低频分量和高频分量中。小波变换在图像融合中有着非常重要的应用，

46、基于小波分析的图像融合是近年来国内外一个活跃的研究领域，二维小波分析用于图像融合是小波分析应用的一个重要方面，基于小波变换的图像融合能取得良好的结果，使图像融合成为小波理论最成功的应用领域之一15。在一幅图像的小波变换中，绝对值较大的小波系数对应于边缘这些较为显著的特征，所以大部分基于小波变换的图像融合算法主要研究如何选择合成图像中的小波系数，也就是三个方向上的高频系数，从而达到保留图像边缘的目的。虽然小波系数(高频系数)的选择对于保留图像的边缘等特征具有非常主要的作用，但尺度系数(低频系数)决定了图像的轮廓，正确地选择尺度系数对提高合成图像的视觉效果具有举足轻重的作用。3.3.1 基于小波分解的融合算法流程该算法是指对图像进行小波分解，以得到