20、多传感器动态图像融合算法：低冗余离散小波框架的应用

多传感器动态图像融合算法：低冗余离散小波框架的应用

在当今的图像融合领域，如何高效且高质量地融合多传感器图像是一个关键问题。本文将探讨基于低冗余离散小波框架的图像融合算法，分析其原理、特性及优势。

1. 帧间差异互信息与标准小波图像融合算法

首先，我们来了解帧间差异互信息（MIIFD）的计算。通过公式 (dX_k = X_{k + 1} - X_k) 计算帧间差异。对于第 (k) 帧对应的 MIIFD，是将源图像和融合图像的帧间差异 (dA_k)、(dB_k) 和 (dF_k) 分别代入相应公式得到的。对于长度为 (N) 的序列，可以计算 (N - 1) 个帧间差异互信息，取平均值即为整个序列的帧间互信息。

标准小波图像融合算法是众多融合算法的基础。多尺度图像融合方案主要包含多尺度变换方法和融合规则两个基本要素。小波变换理论涵盖滤波器组的基本原理、离散小波变换以及常用的小波滤波器组。融合的基本规则也有多种分类。不过，标准小波图像融合算法存在一个突出问题——传递性问题，这主要是由离散小波变换的传递性导致的。

2. 现有图像融合算法的问题与挑战

像素级图像融合算法需满足三个基本要求：在融合图像中尽可能保留源图像的重要信息；不引入虚假或不一致信息；具有不变性。即便满足这些要求，融合系统仍面临实时性这一关键问题。许多应用需要实时或近实时地融合输入图像，但多传感器阵列产生的大量源图像数据增加了实时系统的难度。

离散小波变换（DWT）图像融合算法缺乏平移不变性，会引入虚假信息并降低融合性能。为解决此问题，Rockinger 提出了基于无下采样离散小波变换（UDWT）的融合算法。UDWT 通过去除标准离散小波变换的下采样操作，从根