原文：https://pan.baidu.com/s/1SMQKC8-FiEoVs6bPN5IuDA
摘要
构造视觉显著图，提出基于视觉显著图的多尺度图像融合算法低频子带融合规则，多尺度图像融合方法
0 引言
1.图像融合是把不同设备或者不同成像模式把同一场景或者同一目标的获得的互补或者冗余的信息融入一幅图像
2.基于多尺度的图像融合算法：把原图像通过尺度变换分为低频和高频，不同频段用不同的融合规则，得到多尺度融合系数，再通过多尺度反变换重构出融合图像
3.融合规则是关键
4.高频部分体现点和线的奇异性，灰度突变点和边缘细节信息
5.低频部分是原图像的近似图像，保留着能量和信息
6.只保留低频部分通过多尺度反变换也可以得到大致原图像
1 视觉显著图获取和融合规则设计
1.1视觉显著图获取
1.HVS（human visual system）人类视觉系统
2.视觉显著区域：对比度、方向、亮度
3.提取视觉显著图步骤：
（1）滤波得到特征显著图：对比度特征图、方向特征图、亮度特征图
（2）对三个但特征求交集
（3）确定最终显著区域的划分
1.2融合规则设计
按照显著点来确定取图像A或者B的低频系数
1.3图像融合步骤
1.计算显著图AB以及public，计算源图像区域非显著区域的邻域方差
2.分解高低频
3.用绝对值取大法选择高频系数
4.选择低频系数
5.对所得系数进行多尺度变换重构融合图像
6.使用方法：小波变换、NSCT
2 实验结果及分析
1.使用图像：
UN Camp 红外与可见光多传感器图像
Clock 多聚焦图像
2.对比算法：
基于加权平均法
基于脉冲耦合神经网络选取低频系数法
3.指标：
互信息（MI mutual information）：变量间相互依赖的量度
边缘保持度（Edge preservation EP）
空间频率（Spatial frequency SF）：每度视角内图像的亮暗做正弦调制的栅条周数
还有两个基于结构相似度的指标
2.1多图像传感器融合图像
2.2多聚焦图像融合结果
先弄梯度特征图，然后在视觉显著图