💥💥💥💞💞💞欢迎来到本博客❤️❤️❤️💥💥💥

📝目前更新：🌟🌟🌟智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真。

                         

🎉🎉欢迎您的到来🎉🎉

                ⛅⛅⛅ 📃CSDN主页：Matlab科研室🌈🌈🌈

              📚📚📚📋所有代码目录见微信公众号：天天Matlab👨•💻👨•💻👨•💻

1 内容介绍

一种基于高阶奇异值分解的多曝光图像融合方法,其将曝光图像的亮度通道图像分成重叠的亮度块,利用高阶奇异值分解获取亮度块的核张量和第三模式因子矩阵,进而获得亮度块的特征系数和活动等级测度,根据亮度块的第一和第二模式因子矩阵及特征系数和活动等级测度获得融合后的亮度块,对得到的亮度通道图像进行线性变换,得到融合后的亮度通道图像;通过计算曝光图像的第一色度通道图像中的像素点的融合系数,得到融合后的第一色度通道图像;通过计算曝光图像的第二色度通道图像中的像素点的融合系数,得到融合后的第二色度通道图像;根据融合后的三个通道的图像得到融合图像;优点是能获得较好的细节纹理和丰富的颜色信息.

2 仿真代码

function [Y,U] = MSVD(x)

% multiresolution SVD (MSVD)

% input-> x: image (spatial domain)

% outputs-> Y: one level MSVD decomposition of x

%           U: the unitary matrix (U in SVD)

[m,n] = size(x);

m = m/2; n = n/2;

A = zeros(4,m*n);

for j = 1:n

    for i = 1:m

        A(:,i + (j-1)*m) = reshape(x((i-1)*2+(1:2),(j-1)*2+(1:2)),4,1);  %将图像分成2×2小块，重排像素值

    end

end

[U,S] = svd(A);

T = U'*A;

Y.LL = reshape(T(1,:),m,n);  %因为奇异值分解会将大部分值集中在前几行，即可看作低频，越靠后的行值越小，这里将第一行看作低频

Y.LH = reshape(T(2,:),m,n);  %每一行都进行重排

Y.HL = reshape(T(3,:),m,n);

Y.HH = reshape(T(4,:),m,n);

end

3 运行结果

【图像融合】基于多尺度奇异值分解的图像融合附matlab代码_图像融合

​

【图像融合】基于多尺度奇异值分解的图像融合附matlab代码_图像融合_02

编辑

4 参考文献

[1]朱亚辉, 彭国华. 基于奇异值分解的图像融合效果综合评价研究[J]. 西北工业大学学报, 2013, 31(1):4.

[2]周文舟, 范晨, 胡小平,等. 多尺度奇异值分解的偏振图像融合去雾算法与实验[J]. 中国光学, 2021, 14(2):9.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除