结合Curvelet变换和模糊聚类的图像融合算法

本文为了能够有效的提取图像细节信息,滤除噪声和保留有用信息,提出了一种基于curvelet变换和模糊聚类理论的图像融合算法。首先对图像进行curvelet变换,获得图像的低频和高频分量;随后依据低频和高频分量的不同特征采取相应的融合规则,高频分量采用区域能量为系数进行加权融合。低频分量则采用基于模糊聚类理论的融合规则以实现对噪声的过滤。最后再对融合后的图像进行curvelet反变换,获得融合后的图像。实验结果表明,该方法能够获得较高的平均梯度、峰值信噪比、空间频率和结构相似度,有效地保留融合图像的细节信息,去除噪声,是一种有效的多聚焦图像融合方法。