5、图像融合方法：从离散小波帧到最优小波滤波器组

图像融合方法：从离散小波帧到最优小波滤波器组

1. 基于期望最大和离散小波帧的图像融合方法

在图像融合领域，基于期望最大（EM）算法和离散小波帧的方法是一种有效的融合策略。

1.1 低频带参数更新与融合结果优化

首先，通过以下公式更新参数：
- $\lambda_{k,X}^0 = \frac{1}{L} \sum_{l = 1}^{L} g_{k,X,l} S_N(X, l)$，其中 $k = 1, \cdots, S_N(F, l) \cdots K$，$X = A, B$。
- $\sigma_{k,X}^{02} = \frac{\sum_{l = 1}^{L} (S_N(X, l) - \alpha^0(X)S_N^0(F, l) - \beta^0(X))^2 g_{k,X,l} S_N(X, l)}{\sum_{l = 1}^{L} g_{k,X,l} S_N(X, l)}$，$k = 1, \cdots, K$，$X = A, B$。

重复步骤 1 - 4，使用新的参数 $S_N^0(F, l)$、$\alpha^0(X)$、$\lambda_{k,X}^0$、$\sigma_{k,X}^0$ 和 $\beta^0(X)$。当低频图像每个位置的所有参数都收敛到一个固定范围时，就可以得到最优的融合结果 $S_N(F)$。

1.2 高频带的选择

在模式选择融合方案中，引入了一种新的度量来表征重要的图像信息，该度量模拟了早期视网膜过程。通过像素与邻域交互的不确定性度量，可以对这种重要信息进行定量估计，需要考虑两种不确定性来源：亮度不确定性和拓扑不确定性。

重要信息