《表1 融合图像评价指标比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于非下采样Shearlet变换的CNN图像融合算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了客观地评价图像的融合效果，本文选择互信息量（MI）[20]、边缘信息评价因子（QAB/F）[20]两种基于源图像的评价指标对融合仿真结果进行评价分析。MI计算源图像有多少信息转移到了融合图像中，而QAB/F利用Sobel边缘检测来衡量有多少边缘信息从源图像转移到融合图像[21]，两者的值越大，说明所采用的算法的融合性能越好。如表1为各种融合算法所得的融合图像评价指标比较，从给出的8种融合算法的各项评价指标可以看出，采用同样的融合规则，NSST分解方法融合图像的MI和QAB/F均高于DWT和NSCT分解方法融合图像。NSST分解方法中，低频域采用同样的融合规则，高频域使用CNN的融合方法比使用PCNN的融合方法融合图像的MI和QAB/F的数值均高，并且本文所提出的算法融合图像的MI和QAB/F的数值高于传统的基于NSST分解的低频域加权平均高频域绝对值取大的融合图像和本文其他几种对比算法融合图像的数值。综合主观评价和客观评价的各项指标可以看出，图12的融合效果较为理想。