1、圖像融合的規則圖像多尺度分解和重構對多尺度圖像融合的結果有著至關重要的作用，圖像融合規則則是另一個關鍵因素，它直接影響圖像融合的性能。基于融合規則可以將圖像融合分為三類：基于像素的圖像融合、基于窗口的圖像融合和基于區域的圖像融合。1、 基于像素的圖像融合基于像素的圖像融合規則分為均值法和最大值法。像素絕對值取大(Choose-Max,CM)規則是最簡單、直接的融合規則。CM 規則可描述為：cF (m,n)cA(m,n),| cA(m, n)| |cB (m, n)| cB(m,n),| cA(m, n)|<|cB(m, n) |式 (2-14)其中，CA(m,n)和CB(m, n)分別為

2、源圖像A和源圖像B的某一組分解系數，Cf (m,n)為融合后的系數。例如， 小波變換的高頻分解系數對應輸入圖像的邊緣、紋理等細節信息，而像素絕對值是對這種細節信息強度的最直觀的度量，CM 規則正是基于這一點可以對高頻系數進行融合。CM 規則具有簡單、易實現、運算速度快等優點。但是僅僅依賴單獨像素點作為細節信息的強度度量是不穩定的，尤其當多尺度變換缺乏平移不變性時，分解系數的能量會隨源圖像的平移、旋轉等規則變化發生劇烈的不規則的變化，導致融合后的圖像缺乏一致性。另外CM 規則傳遞并放大源圖像中的噪聲和死點。Petrovic V*口 Xydeas C.S.H®出了考慮分解層內各子帶系數及

3、分解層間各子帶系數相關性的系數選取融合規則。根據人眼視覺系統對局部對比度比較敏感這一特性，蒲恬50提出了基于對比度系數選取融合規則。考慮人眼視覺系統不僅具有頻率選擇特性，還具有方向特性，劉貴喜51等人提出了基于方向對比度的系數選取融合規則。基于像素的融合規則在融合處理時表現出對邊緣的高度敏感性，使得在預處理時要求圖像是嚴格配準的，否則處理結果將不盡如人意，這就加大了預處理的難度。但該規則是在假設圖像相鄰像素 (或系數)之間不存在相關性的前提下提出的，然而，這與實際情況并不相符，因此基于像素選取的融合規則不能獲得令人十分滿意的融合效果。2、 基于窗口選擇的融合規則為克服 CM 規則的不穩定性，人

4、們提出了基于窗口的融合規則。細節信息強度的度量不再僅僅依賴某一點，而是根據待融合系數局部區域(一般窗口大小為3 3或者5 5等 )的統計特性來選取像素系數的一種融合規則。常用的基于窗口的融合規則有Burt 等提出的加權平均(Weighted Average,WA)®則。Burts方法的具體步驟如下：第一步：在系數圖像c (m,n)( A,B)中，計算以m,n點為中心周圍窗口區域內的能量(或方差 ) 作為該點細節信息強度的度量S (m, n) ；第二步：計算Ca和Cb之間局部的、歸一化的互相關系數 MAB(m,n);第三步：根據互相關系數大小，采取不同的融合方式。當 M AB (m,

5、n) 時 ( 一般取0.85)， 說明源圖像系數間相關性比較低，所以選取區域內的能量(或方差)大的系數為融合后系數更為合理，即：CA(m, n),SA(m, n)Cf (m, n),、CB(m, n),SA(m, n)Sb (m, n)Sb (m,n)式(2-15)當MAB(m,n) 時，說明系數間相關性比較大，采用加權平均的方法更為合理，即式(2-16)式(2-17)CF(m,n) Wi(m,n)CA(m,n) E(m,n) w1(m,n)CB(m, n)其中，E m,n為單位矩陣，權系數wi(m,n)由下式確定：11,1 M AB(m, n)、w1(m, n)2 2()，SA(m，n)SB

6、(m，n)1 1/1 M AB(m, n).-( 一 ),SA(m, n) SB(m,n)2 21基于區域的融合規則由于考慮了與相鄰像素間的相關性， 降低了對邊緣的敏感性，能夠有效減 少融合像素的錯誤選取，在一定程度上顯著提高了融合算法的魯棒性， 從而提高了融合效果，所以 具有更加廣泛的適用性。3、基于區域特征的融合規則由于圖像中的局部特征并不是由單個像素或局部窗口所能完全表征的，而是由構成該區域的、 具有較強相關性的多個像素來共同表征和體現的， 所以基于像素的融合規則和基于窗口的融合規則 存在一定的局限性。基于區域的融合是將構成某區域的多個像素作為一個整體參與到融合過程中， 其融合圖像的整體

7、視覺效果更好， 并可有效抑制融合痕跡。同時，基于區域的融合還能夠有效降低 算法對噪聲的敏感度和配準誤差對融合性能的影響。通常情況下，基于區域的融合規則先采用某種 圖像分割算法將源圖像分割成不同的區域，然后再針對每一個區域根據一定的區域特征顯著性測度 分別進行融合。下面介紹幾種常用的融合規則和適用類型：(1)系數絕對值取大法該方法適用于源圖像高頻成分較豐富， 亮度、對比度較高的情況，否則在融合圖像中只保留一 幅圖像的特征，其他的特征將被覆蓋。(2)加權平均法采用此方法融合圖像的小波變換系數為源圖像系數的加權平均值。該方法權重系數可調，適用范圍廣，可消除部分噪聲，源圖像信息損失較小，但是會造成融合

8、圖像的對比度下降。(3)雙閾值法雙閾值適用于源圖像中一幅圖像的灰度分布均衡，高頻成分較多的情況。該方法增加了算法的實用性，但選擇閾值時要考慮源圖像灰度分布的特點，否則有可能出現邊緣跳躍的現象。(4)消除高頻噪聲法圖像中的噪聲一般頻率較高，經小波分解后主要反映在細節圖像中， 所以圖像重建時將部分細 節圖像去除，即把高頻部分的小波變換系數置零，其余系數取平均值將不會對融合結果造成明顯的 影響。當圖像噪聲以高頻為主時，采用該方法可以使融合圖像高頻噪聲基本消除，源圖像特征可較好地保留在融合圖像中，但在消除高頻噪聲的同時，也損失了部分高頻信息。(5)高低頻互補法所謂高低頻互補法就是選擇一幅源圖像的高頻信息和另一幅源圖像的低頻信息重構圖像。這種方法適合于融合具