1. 概述
非下采样轮廓波变换(Non-Subsampled Contourlet Transform, NSCT)是一种多尺度、多方向的图像表示方法，能够有效地捕捉图像中的几何结构信息。基于NSCT的图像融合方法因其优秀的性能在医学成像、遥感图像处理等领域得到了广泛应用。
2. NSCT基本原理
2.1 轮廓波变换
轮廓波变换(Contourlet Transform)由Do和Vetterli提出，能够提供图像的多尺度、多方向分解，具有以下特点：
- 多分辨率分析
- 局部定位
- 方向性
- 各向异性
2.2 非下采样改进
传统轮廓波变换使用下采样操作，会导致平移敏感性。NSCT通过去除下采样步骤解决了这一问题：
- 使用非下采样金字塔分解实现多尺度分析
- 采用非下采样方向滤波器组实现多方向分解
- 具有平移不变性
3. 基于NSCT的图像融合框架
3.1 基本流程
- 分解阶段：对源图像进行NSCT分解，得到低频子带和高频方向子带
- 融合规则：对不同频率子带采用不同的融合策略
- 重构阶段：对融合后的系数进行NSCT逆变换得到融合图像
3.2 融合规则设计
低频子带融合
低频系数反映图像的整体轮廓和能量信息，常用方法：
- 加权平均法
- 基于区域能量的融合规则
- 基于稀疏表示的融合方法
高频子带融合
高频系数包含图像的细节和边缘信息，常用方法：
- 绝对值取大法
- 基于区域方差或梯度的融合规则
- 脉冲耦合神经网络(PCNN)方法
- 基于边缘信息的融合策略
4. 算法实现步骤
参数设置：
- 分解层数(通常3-5层)
- 各层方向数(通常从低频到高频方向数递增)
NSCT分解：
% 示例MATLAB代码pfilt='pyrexc';% 金字塔滤波器dfilt='vk';% 方向滤波器nlevels=[3,3,4];% 各层方向数I1_nsct=nsctdec(I1,nlevels,dfilt,pfilt);I2_nsct=nsctdec(I2,nlevels,dfilt,pfilt);系数融合：
% 低频系数融合(以加权平均为例)F_low=0.5*(I1_nsct{1}+I2_nsct{1});% 高频系数融合(以取绝对值最大为例)fori=2:length(nlevels)+1ford=1:length(I1_nsct{i})F_high{i-1}{d}=max(abs(I1_nsct{i}{d}),abs(I2_nsct{i}{d}));endend图像重构：
F=nsctrec(F_low,F_high,dfilt,pfilt);
参考代码 基于非下采样轮廓波变换的图像融合www.youwenfan.com/contentcsn/54769.html
5. 性能评价指标
常用的融合效果评价指标包括：
- 信息熵(EN)：衡量融合图像的信息量
- 空间频率(SF)：反映图像的空间细节信息
- 互信息(MI)：衡量源图像与融合图像的信息相关性
- 边缘保持度(Q^AB/F)：评估边缘信息的传递效果
- 结构相似性(SSIM)：评估结构信息的保持程度
