基于提升LSWT与联合结构组稀疏表示的图像融合算法

　　光学传感器通常无法获取同一场景内不同景深的多个目标都清晰的图像，常用的解决方法是借助多个传感器一次成像或单个传感器多次成像得到聚焦在不同区域的多幅图像。多幅图像之间往往存在着大量的冗余信息，不利于图像的分析与处理，因此，多聚焦图像融合方法得到了广泛的研究，它将不同景深的多幅图像进行融合，降低图像间信息的冗余度，得到便于后续处理的清晰图像。目前，应用于多聚焦图像融合的算法很多。基于多尺度分析的图像融合技术，模拟了人类视觉系统由“粗”及“细”感知物体的方式，可以得到较好的融合结果，所以基于多尺度分析的图像融合技术一直成为图像融合领域的研究热点。图像经多尺度变换分解后，能够针对多方向、多尺度层采取不同融合策略，突出重要的细节特征信息，获得更好的融合效果。小波变换作为一种图像多尺度分解的工具，因具有良好的时域和频域局部特性以及多分辨率特性，而在图像融合领域中得到了广泛应用。随着小波变换相关理论的不断成熟，传统小波变换的缺陷如平移变性和较少的方向选择性等随之展现出来。