摘要：为使融合图像保留丰富的细节和纹理信息，提出了一种基于非下采样剪切波变换（NSST）和稀疏表示的多聚焦图像融合方法。鉴于稀疏表示能够有效地捕捉图像中的结构信息这一优势，并充分考虑像素间的区域相关性，低频子带系数采用稀疏表示和区域能量相结合的融合策略，以及加权平均的融合规则．高频子带系数采用区域能量取大的融合规则。实验结果表明，该方法融合图像清晰度高，能够更好地保留图像细节信息。

关键词：非下采样剪切波变换；稀疏表示；区域能量；多聚焦图像；图像融合

中图法分类号：TP391 文献标识码：A

１ 引言

由于光学镜头景深的限制，成像系统无法获取场景中全部目标均清晰的图像，这不利于后续图像的理解与处理。多聚焦图像融合技术的出现有效解决了这一难题。多聚焦图像融合通过一定的算法，可以把２ 幅或多幅图像融合成所有目标均清晰的图像［１～２］ 。

目前，多聚焦图像融合技术已广泛应用于机器视觉、目标识别、医学、军事等领域。

多尺度变换是目前最常用的像素级融合方法。

其中，小波变换在时域和空域均有良好的局部化特性，能够获得良好的融合效果，但小波变换在图像细节提取方面效果欠佳。针对小波变换的不足，研究者提出了轮廓波变换［３］ 。轮廓波变换具备良好的非线性逼近能力，能够更稀疏地表示图像，但因其在变换过程中存在采样操作，容易产生伪吉布斯效应。非下采样剪切波变换（ＮＳＳＴ）完全继承了轮廓波变换的优点，且在变换过程中不存在采样操作，其计算效率更高，具有方向敏感性、平移不变性等优点。因此，作为一种有效的图像分解工具，ＮＳＳＴ 被广泛应用于图像去噪、图像增强等图像处理领域。

在基于多尺度變换的融合方法中，研究者大多把研究焦点放在高频子带系数融合规则的设计上，低频子带系数一般采用“取平均”的融合规则。“取平均”策略虽然实现简单，但是容易丢失源图像中的有用信息，且降低图像的对比度。