图像融合指标

1. 求遥感影像融合质量评价的软件或matlab代码

ENVI完全可以啊！我个人觉得，对影像融合后的质量进行评价，单独对一种方法所得的融合影像进行质量评价，意义不大，需要有个对比，才能显示出某融合影像的质量如何！用不同方法进行影像融合，然后对这些不同方法融合的影像进行质量评价！

2. 是高分二的全色和多光谱影像相互进行融合了，要找质量指标，我首先进行融合后影像进行波段合成吗

你要做什么处理，融合的时候对应波段根据融合规则来选择即可

融合后的处理要根据你的应用目的来定

3. 遥感数据融合问题，高手指点！

三景影像是分辨率不同吗，如果是为了提高空间分辨率的话，那就对三景影像进行配准，然后对低分辨率影像进行重采样，之后再进行融合就可以了。至于彩色变化，主成分分析等，只要是同一地区经过配准的影像，都是可以互相替代的，关键看那种选择效果最好，能达到你的要求。
评价嘛，就不清楚了……从来都是靠眼睛滴……

4. Quickbird全色与多光谱数据融合方法的比较研究

陈于林 蒲体信

（四川省国土勘测规划研究院，成都，610031）

摘要：目前商用的高分辨率影像Quickbird 能提供 0.61m的全色波段数据和 2.44m的多光谱数据，因此如何利用全色波段数据和多光谱数据进行融合以提高影像质量是目前遥感影像处理中最关键的一步。本文从光谱质量和空间信息角度分别对5种融合方法进行了比较研究，综合评价结果是合成比值变量变换最适合于 Quickbird影像多光谱数据和全色数据的融合。

关键词：Quickbird；影像融合；比较评价

影像融合技术在近10年发展较快，成为遥感应用研究领域的重要主题。Pohl和Van Genderen对遥感影像融合的概念、方法和应用进行了较为全面的总结^［1］。大量研究工作围绕锐化影像、提高几何校正精度、改善分类精度以及变化监测等领域展开。在遥感领域应用较多的融合方法有IHS变换、主成分分析、Brovey （颜色归一化）变换、小波变换以及最近发展修改的合成比值变量变换，目前对融合方法进行系统定量评价比较的工作仍然较少^［2］。因此，本文从定量评价的角度对各种融合方法进行比较研究。

QuickBird－2卫星是由美国数字全球公司于2001年10月18日用德尔他－2火箭发射的高分辨率商业卫星系列中的第3 颗。其全色波段地面（星下点）分辨率为0.61m，波长范围450nm～900nm；多光谱波段地面（星下点）分辨率为2.44m，波长范围为蓝波段450nm～520nm，绿波段520nm～600nm，红波段630nm～690nm，近红外波段760nm～900nm；重访周期为1～6天^［3］。

我国新一轮的土地资源大调查已全面展开，本次土地调查要求使用新技术和新方法，从节约成本、提高效率和提高质量等方面来开展二次调查。由于航天技术的发展，亚米级航天卫星的数据量越来越容易获取，因而借助航天遥感的手段进行二次调查显得非常必要。亚米级卫星遥感影像QuickBird具有现势性好，地面分辨率高，空间纹理清晰，因此其经过融合后的遥感影像能够制作1∶5000 比例尺的土地利用更新调查底图，这将推动本次二次调查技术的更新。

1 遥感数据各种融合方法简介

1.1 比值变换法 （Brovey）^［4］

Brovey 变换是较为简单的融合方法，它是为 RGB 影像显示进行多光谱波段颜色归一化，将高分辨率全色与各自相乘完成融合。Quickbird 融合采用公式（1）进行计算：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

1.2 HIS 变换法^［4］

HIS属于色度空间变换，HIS 变换由于灵活实用的优点而被广泛应用，成为影像融合成熟的标准方法。

HIS 变换从多光谱彩色合成影像上分离出代表空间信息的明度（I）和代表光谱信息的色别（H）、饱和度（S） 3个分量，通常采用高分辨率全色波段或其他数据代替明度（1）进行空间信息的各种处理，采用计算公式（2）和（3）进行变换。

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

其中：I表示明度，H为色别，S为饱和度，v₁，v₂ 为计算H，S所使用的中间变量。其反变换式为：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

1.3 主成分变换法 （PCA）^［4］

主成分分析（PCA）是在统计特征基础上进行的一种多维（多波段）正交线性变换，数学上称为K－L交换。在遥感应用领域，这一方法目前主要用于数据压缩，用少数几个主成分代替多波段遥感信息；图像增强，在光谱特征空间中提取有显著物理意义的图像信息和监测地表覆盖物的动态变化。对遥感图像数据进行主成分变换首先需要计算出一个标准变换矩阵，通过变换矩阵使图像数据转换成一组新的图像数据——主成分数据。其变换公式可用下式表示：

Y＝TX （4）

其中：X为原图像p个波段像元值向量，Y为变换后产生的q个主成分像元值向量q≤p，T为实现这一正交线性变换的变换矩阵。T是通过原始图像元值向量X的协方差矩阵∑x计算得出的。T矩阵的每一行都是∑x矩阵的特征向量。因此Y所代表的各主成分，均是X的各分量，即各波段信息的线性组合。生成的主成分像元值向量y 的协方差矩阵为∑y，且：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

其中：λ₁，λ₂……λ_p为原始图像协方差短阵∑x 的特征值，λ_i （i＝1，2……p）按由大到小的顺序排列。λ₁，λ₂……λ_p为各个主成分的方差，任何两个主成分之间的协方差都为0，互不相关，保证各主成分之间没有信息的重复和冗余。

1.4 合成比值变量变换法 （SVR）^［5］

根据修改简化的Munechika方法，过程如下列公式：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

其中：XSP_i 表示第i波段融合后灰度值，Pan_H 是高分辨率全色波段灰度值，XS_Li是第 i 波段原始灰度值，Pan_LS是多光谱波段合成的全色波段灰度值，φ_i 是高分辨率全色波段与 XS_Li间回归系数。

首先将Quickbird⁴个多光谱波段与全色波段求算回归系数，然后利用回归系数与多光谱波段合成模拟高几何分辨率全色，最后利用比值变换完成各波段的融合。

1.5 小波变换^［3］

小波变换是将原始信号用一组不同尺度的带通滤波器进行滤波，将信号分解到一系列频带上进行分析处理，小波理论为图像的空间尺度分析提供了一个统一的框架。在遥感图像上，常常将小波变换二进制离散化，进行分析处理（图1）。

Quickbird图像选用了Daubechies小波（D4）分别对全色和多光谱各个波段进行小波分后利用全色3个边缘子图代替多光谱波段的边缘子图和多光谱平滑子图进行逆变换完成各个波段的小波融合。

图1 小波分解示意图

2 融合效果比较

选择和确定何种融合方法通常取决于应用目的，因此很难对一种融合技术进行质量评价。一般来说，对于遥感影像融合效果的评价，应综合考虑空间细节信息的增强与光谱信息的保持，因此评价可以从光谱信息和空间细节信息两个方面考虑。下面介绍几个评价参数指标及其特征表达。

2.1 空间细节信息

在统计理论中，统计均值

、标准差

定义为：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

对某一幅图像，n 为像素总数，x_i 为第i个像素的灰度值，则均值为像素的灰度平均值，对人眼反映为平均亮度。方差反映了灰度相对于灰度均值的离散情况，方差越大，则灰度级分布越分散。

设图像的灰度分布为p＝｛p₀，p₁，…，p_L－1｝，p_i 为灰度值等于 i 的像素数与图像总像素数之比，L为灰度级总数。对于灰度范围 ｛0，1，…，L－1｝ 的图像直方图，其信息熵定义为：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

易知，0≤H≤ln_L。当某个p_i＝1 时，H＝0；当 p₀＝p₁＝…＝p_L－1＝1/L 时，H＝ln_L。

图像信息熵是衡量图像信息丰富程度的一个重要指标，通过对图像信息熵的比较可以对比出图像的细节表现能力。熵的大小，反应了图像携带的信息量的多少。融合图像的熵值越大，说明融合图像携带的信息量越大。如果图像中所有灰度级出现概率趋于相等，则包含的信息量趋于最大^［6］。

平均梯度是用来评价影像质量的改进，计算公式为^［7］：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

式中，M、N为遥感影像的行、列数，式子

表示图像函数f（x，y）在x、y方向上的一阶差分。一般来说 g越大，图像层次感越丰富，图像越清晰。

2.2 光谱信息^［6］

图像光谱扭曲程度直接反映了多光谱图像的光谱失真程度。第k个光谱分量的光谱扭曲定义为：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

式中，n 表示图像大小；K表示多光谱图像中光谱分量的个数；k表示第k个光谱分量；

分别为第k个光谱分量在原始图像与融合图像上（i，j）点的颜色灰度值。融合前后对应波段的扭曲程度值越小，说明融合前后的失真程度越小。

偏差指数用来比较融合影像和低分辨率多光谱影像偏离程度。第k个光谱分量的偏差指数定义为：

土地信息技术的创新与土地科学技术发展：2006年中国土地学会学术年会论文集

其中用 n 表示图像大小，K 表示多光谱图像中光谱分量的个数，k 表示第k个光谱分量，

分别为第k个光谱分量在原始图像与融合图像上（i，j）点的颜色灰度值。融合前后对应波段的偏差指数值越小，说明融合前后的光谱影像偏离程度越小。

3 实例分析

本例选用了成都市西南交通大学校区进行处理，本地区包含有植被、水体及建筑物等典型的地物。遥感影像数据是2004年8月所获取的0.6 m全色和2.4 m多光谱Quickbird数据，运用以上介绍到的5种目前运用最普遍的融合方法分别进行了融合，本次影像融合采用的软件是MATLAB及ERDAS 8.7。如图2～图8，在本次的融合过程中不进行任何光谱和纹理上的增强处理。对IHS和Brovey融合只是针对多光谱波段321 和全色波段的融合，而PCA、SVR和小波变换完成全部4个多光谱波段的融合。

图2 原始多光谱影像 （321 组合）

图3 原始全色影像

图4 比值变换融合影像 （321 组合）

图5 HIS 变换融合影像 （321 组合）

图6 PCA 变换融合影像 （321 组合）

图7 SVR 变换融合影像 （321 组合）

图8 小波变换融合影像 （321 组合）

3.1 融合效果目视评价

原始多光谱和全色影像及经5种融合方法得到的融合影像如图2～图8所示。从目视角度可以明显看出，5种融合影像的空间几何分辨率大致相等；而就光谱色彩来说，SVR融合所得影像最接近原始多光谱影像。

3.2 融合效果定量评价

下面选用平均梯度和扭曲程度对以上5种融合影像进行定量评价：

表1是Quickbird融合后高分辨率多光谱影像各波段平均梯度，它体现了融合影像空间细节的表现能力。表2是Quickbird影像融合前后对应多光谱波段扭曲程度，它体现了影像融合前后的失真程度大小。

表1 Quickbrid 融合影像各波段平均梯度

表2 Quickbird 影像融合前后对应多光谱波段灰度平均差异

通过表1 数据分析，在影像融合的四个波段中（Brovey 变换和HIS 变换只有三个波段），第1、2、3波段的平均梯度都是合成比值变量变换的最高，第4 波段的平均梯度是小波变换的最高，其次是合成比值变量变换。

通过表2数据分析，在5种影像融合的方法中，利用合成比值变换融合的影像与原始多光谱影像的光谱扭曲程度在4个波段都是最小的，也即用此种方法融合的影像在最大程度上继承了原始多光谱影像的光谱信息；其次是常用的小波变换方法效果。

通过从光谱质量和空间细节信息的两个方面对上述5 种融合方法的比较，合成比值变量变换是低空间分辨率的光谱信息和高空间分辨率的空间信息二者之间权衡最好的一种融合方法。在制作大比例尺土地利用专题图时要求影像数据的光谱不退化和有较高的几何空间信息，因此选择采用合成比值变量变换方法对Quickbird 进行数据融合是最佳方案。目前还没有成熟的软件能够实现该方法的影像融合，本文是基于 SVR影像融合原理基础上利用 MATLAB 完成影像的融合，仅限于试验研究，不能应用于大量的生产实践中

参考文献

［1］Chavez P S，Sides S C，Anderson J A.Comparsion of the Three Different Methods to Merge Multiresolution and Multispectral Data TM＆SPOT Pan ［J］.Photogrammetric Engineering and Remote Sensing，1991，57：295～303

［2］孙丹峰.IKONOS全色与多光谱数据融合方法的比较研究［J］.遥感技术与应用，2002，17 （1）：41～45

［3］吴培中.快鸟——2卫星的技术性能与应用［J］.国际太空，2002，（10）：3～4

［4］孙家柄.遥感原理与应用［M］.武汉：武汉大学出版社.2003，162～168

［5］Zhang Y.A new merging method and its spectral and spatial effects ［J］.INT J Remote Sensing，1999，20 （10）：2003～2014

［6］李弼程，魏俊，彭天强.遥感影像融合效果的客观分析与评价［J］.计算机工程与科学，2004，26 （1）：42～46

［7］Schistad-Solberg A H，Jain A K，Taxt T.Multisource classification of remotely sensed data：fusion of Landsat TM and SAR imagesl ［J］.IEEE Transactionson Geoscience and Remote Sensing，1994，32 （4）：768～778

5. 在遥感影像数据融合中,融合图像质量判定指标之一偏差指数怎么求求解权威方程！

6. 我用多种融合方法完成遥感影像的融合，之后要想比较一下这些融合方法的优缺点，该用哪些指标啊怎么做 跪

这个评价是相当难的啊，有多种方式，首先目视，融合后可视化是否更好，地面分辨率或者光谱分辨率是不是有所提高，但显然这种方式没有客观的评价指标，不好把握

还有，可以从信息熵，图像的平均梯度，以及灰度级差等来衡量，这个有待把握，看写论文吧，这个挺前沿的，可以多交流，我也是学遥感的，哈哈

7. 朋友你好，你知道在envi 中怎样实现定量评价吗，就是融合后的图像的评价指标，信息熵，标准偏差等。

信息熵和标准差得用IDL编写个小程序，算法可以再往上搜。
算法你可以搜搜论文
给你几个连接，你看看
http://blog.sina.com.cn/s/blog_764b1e9d0100pteq.html
http://bbs.esrichina-bj.cn/ESRI/thread-58671-1-1.html

正好前几天我刚做完。但是我的是别人给弄得，我也不是很懂。

希望对你有帮助

8. 遥感数据预处理

4.1.1 几何精纠正

遥感图像的几何精纠正方法不外乎多项式纠正法、共线方程式纠正法等。多项式纠正法回避了传感器成像时的实际几何状态，直接对变形的影像进行强纠;共线方程式纠正法需要提供卫星的姿态参数，或者根据一定数量的GCP来反演姿态参数，然后对图像进行纠正。笔者选择多项式纠正法。

在ErdasImagine8.6软件平台对1、2、3、4、5、7波段进行叠加组合(LayerStack)和RGB显示操作，在1∶50000军用地形图上，在相山矿田及邻区大致均匀分布地选取10个控制点，采用三次多项式变换模式，把图像纠正到UTM投影上。为了不使光谱发生明显退化，选取邻近点插值法(NearestNeighbbor)重采样，像元大小15m×15m(与8波段一致)。控制点误差:X=1.7364m，Y=2.0219m，Total为2.6652m，明显小于0.5个像元。

应用已保存的几何校正模式，以相同的多项式变换和采样方法，对6、8波段进行几何精纠正，其中6波段GCP输入值是1、2、3、4、5、7波段的2倍，控制点误差:X=0.8682m，Y=1.0109m，Total为1.3326m。8波段GCP输入值是1、2、3、4、5、7波段的4倍，控制点误差:X=3.4728m，Y=4.0438m，Total为5.3304m。

4.1.2 数据特征统计分析

各波段数据的最大值、最小值、平均值、中值、标准差见表4.1。标准差是衡量图像信息量大小的参数，表4.1显示，ETM5波段信息量最大，ETM7次之，4、3、8、2、1、6波段依次降低，其中ETM6均值较高。

表4.1 相山矿田ETM数据特征统计表

各波段相关系数矩阵见表4.2，ETM1、2、3之间，ETM5、7之间相关性较好，相关系数在0.94以上，而ETM6、4波段相对独立性较强。相关系数矩阵是RGB最佳合成方案选择的依据。

表4.2 各波段相关系数矩阵

4.1.3 图像融合

图像融合是指将多元遥感图像按照一定的算法，在规定的地理坐标系，生成新的图像的过程(孙家柄，2003)。ETM⁺多波段(空间分辨率30m)和全色波段(空间分辨率15m)来自同一传感器系统，有相同的太阳高度角和其他环境条件，影像获取时间也一致，两种不同分辨率的图像可以不经配准实现高精度的融合(许榕峰等，2004)，从而可最大限度地发挥ETM⁺多波段数据丰富的光谱信息和全色波段高分辨率图像的空间信息，实现两种分辨率遥感数据的信息互补，使地物特征清晰，易于目视解译和影像分析。

目前常用的图像融合方法很多，究竟哪种方法更适合于相山地区的ETM⁺图像的融合呢?笔者采用HIS变换、SIFM变换(刘建国，2000)、主成分变换、保真融合(齐泽荣等，2004)、加权融合5种方法，分别进行ETM⁺全色波段与ETM⁺多光谱波段的融合试验，并从空间纹理信息、光谱真实性两个方面进行定量和定性评价。

相山地区各种岩性及线性构造在ETM⁺各波段及其RGB合成图像上均有一定的反映，HIS变换、主成分变换、SFIM变换、加权融合、光谱保真融合处理试验表明，除加权融合外，空间分辨率均有较大改善，岩性边界和线状影像更加明显清晰，然而，这5种方法融合的效果也不尽相同，色调与原ETM⁺图像有不同程度的差异，光谱有一定程度的退化。其中HIS变换、主成分变换融合前后图像光谱特征差异较大，产生光谱退化现象，如HIS变换融合图像741波段组合水体呈紫红色，与原始图像ETM741组合深蓝色的水体有明显差异;主成分变换融合图像直方图与原始ETM⁺相对应波段的直方图有明显差异。而FSIM融合、保真融合、加权融合图像的色调与原始图像很接近，较好地保留了原始ETM⁺图像的光谱特征。

众所周知，不同分辨率的图像融合目的在于实现空间分辨率和光谱信息的互补。融合图像质量高低对于后续的信息提取、解译都是至关重要的。由于不同融合方法产生的光谱失真可能导致不可靠的判别和应用。根据图像融合前后目视判别对比作出定性评价，无疑是最简单、最直接的评价方法，但是主观性太强。为进一步客观定量地评价融合效果，本次研究还分别根据光谱真实性、空间纹理信息两个方面进行了分析。

Clavez等(1991)认为图像融合不应造成原始多光谱数据的光谱扭曲和退化。对光谱真实性可运用以下指标进行评价:

(1)光谱偏差:

式中:N为整个图像像元总数;i、j分别为行列位置;G'_ij和G_ij分别为多光谱波段融合前后对应像元的灰度值;D_i表示融合前后光谱的差异，因此该值越小越好。

(2)均值偏差:M_i=|M_i-M'_i|

式中:M'和M'_i分别为多光谱波段融合前后图像的均值;均值偏差M_i反映两图像均值之间的偏离程度，该值越小越好。

(3)方差偏差:S_i=S_i-S'_i

式中:S_i和S'_i分别为多光谱波段融合前后图像的方差;方差偏差S_i反映两图像之间的方差偏离程度，方差越大反映图像的信息量越大，因此该值越大越好。

不同融合图像的空间纹理信息的比较，采用简单的高通滤波分别对全色波段和融合后的多光谱波段滤波，然后计算两者的相关程度，相关程度越高，表明越多的高分辨率全色波段的纹理信息被融合入相应波段中。滤波采用3×3SharpenEdgeFilter模板:

相山铀矿田多源地学信息示范应用

各种融合方法融合图像的光谱真实性和空间纹理信息的量化指标见表4.3。从光谱真实性看，上述5种方法的光谱偏差和均值偏差均不等于0，说明融合前后光谱DN值均发生了变化。HIS变换和主成分变换融合图像光谱偏差、均值偏差(绝对值)均较大，反映光谱退化较严重，虽然与全色波段的相关性较好，即融入了较多的空间纹理信息，但对于后续的地物信息的提取和识别研究将会产生严重影响，因此在相山地区的实用性将受到很大限制。

SFIM融合图像光谱偏差2.125～4.078，6个波段融合图像的光谱平均偏差3.096;均值偏差-0.629～-0.218，平均-0.419;方差偏差0.781～2.448，平均1.493，为正值，表明融合后图像的信息量多于融合前信息量。SFIM融合方法较好地保留了原始多光谱波段的光谱信息。

加权融合方法光谱偏差1.115～4.628，平均2.112;均值偏差-4.629～-0.448，平均-1.981;方差偏差-0.038～-1.302，平均-0.688，为负值，表明融合后图像信息量弱，有减少。

光谱保真融合方法光谱偏差2.881～4.546，平均3.517;均值偏差-0.128～-0.114，平均-0.122;方差偏差0.480～1.490，平均0.913，为正值，融合后信息量弱，有增加。

SFIM、加权及保真融合方法的融合图像的光谱偏差、均值偏差都不是很大，反映了光谱真实性得到了较好的保留。而且SFIM和保真融合图像信息量均有一定量的增加。

关于融合图像的空间纹理信息，从表4.4中的融合图像与全色波段的相关系数可以看出，除HIS和主成分变换融合图像高频细节和全色波段的高频细节相关程度较高外，SFIM和保真融合方法融合图像的高频细节与全色波段的高频细节相关程度也较高，即融入的全色波段高分辨率信息较多，而加权融合方法高分辨率信息导入效果不好。

表4.3 融合效果量化指标

因此，从光谱真实性和空间纹理信息两方面综合考虑，基于SFIM和光谱保真融合方法既较好地保留了低分辨率的多光谱信息，又明显地提高了空间分辨率，可作为相山地区图像处理的首选融合方法。由于SFIM融合方法较光谱保真融合方法简单、易操作，下文主要采用SFIM融合方法结果来进行地质影像理解和识别。

4.1.4 假彩色合成

假彩色合成是多光谱图像判读的一种有效方法。ETM或其融合图像可供选择的波段有6个(1、2、3、4、5、7)，在6个波段中选择3个最佳波段进行合成，使合成后图像包容的信息最丰富呢?美国的Lhavez提出了最佳指数因子OIF(Optimum Index Factor)的方法(戴昌达等，1989)，即

相山铀矿田多源地学信息示范应用

式中:OIF为某合成方案的OIF因子;i为参与合成的波段数，S_i为第i波段(因子)的标准差;R_ij为I和j两波段的相关系数。OIF值越大，合成图像的信息量越大，波段组合方案最优。

相山地区SFIM融合图像各波段相关系数见表4.4，RGB合成的OIF因子见表4.5，从表4.5可看出，754波段的RGB组合的OIF值最高，为24.18，其次是543组合，OIF为23.79，这可能是植被较发育地区的最佳波段组合的普遍规律。743、541、741、542、742、431、753、751、432、752、531、532、421、521、731、732、721、321RGB组合的OIF依次降低。

表4.4 SFIM融合图像各波段相关系数

表4.5 SFIM融合图像波段合成方案最佳因子

通过对OIF较大的合成方案的目视判读及选择，SFIM754合成图像的影纹清晰，环、线构造明显，微地貌景观突出，植被、岩石图斑、色调、纹理差异细微，对影像地学理解及分析应用效果较好。笔者主要应用此合成图像进行地质构造解译分析。

9. 在Matlab中怎么对融合后的遥感图像进行质量评价代码怎么写

说一个问题，在matlab中最好是读取tif格式的遥感影像，而且必须是8bit的。
对于你说的评价，建议直接找一本书，多源遥感影像融合技术。
代码有，分数有些低。

10. 如何用MATLAB做图像融合的精度评价

[cpp] view plain 在CODE上查看代码片派生到我的代码片
function laplacian(ori_A,ori_B)
path(path,'FusionEvaluation/')
%Ori_A = imread('clockA_tif2bmp (256x256).BMP');
%Ori_B = imread('clockB_tif2bmp (256x256).BMP');
ori_A = imread('clockA.BMP');
ori_B = imread('clockB.BMP');
ori_A=rgb2gray(ori_A);
ori_B=rgb2gray(ori_B);
A_a = double(ori_A)/255;
B_b = double(ori_B)/255;
[p1,q1] = size(ori_A);
[p2,q2] = size(ori_B);
if(p1~=p2||q1~=q2)
error('The size of image A and image B must be the same......');
end
F = fuse_lap(A_a,B_b,4,1,3);
%%
F=F*255;
F(F<0)=0;
disp('拉普拉斯指标:')
F(F>255)=255;
F=round(F);
%%
grey_level=256;
Criteria=Evaluation(double(ori_A),double(ori_B),F,grey_level);
disp(Criteria)
figure,imshow(F-double(ori_A),[])
F_DWT = fuse_dwb(A_a,B_b,4,1,3);
F_DWT=F_DWT*255;
F_DWT(F_DWT<0)=0;
disp('离散小波变换指标:')
F_DWT(F_DWT>255)=255;
F_DWT=round(F_DWT);
%%
grey_level=256;
Criteria=Evaluation(double(ori_A),double(ori_B),F_DWT,grey_level);
disp(Criteria)
figure,imshow(F_DWT-double(ori_A),[])
F_CON = fuse_con(A_a,B_b,4,1,3);

F_CON=F_CON*255;
F_CON(F_CON<0)=0;
disp('Contrast Pyramid变换指标:')
F_CON(F_CON>255)=255;
F_CON=round(F_CON);
%%
grey_level=256;
figure,imshow(F_CON-double(ori_A),[])
Criteria=Evaluation(double(ori_A),double(ori_B),F_CON,grey_level);
disp(Criteria)

F_SIH = fuse_sih(A_a,B_b,4,1,3);

F_SIH=F_SIH*255;
F_SIH(F_SIH<0)=0;
disp('FSD Pyramid变换指标:')
F_SIH(F_SIH>255)=255;
F_SIH=round(F_SIH);
%%
grey_level=256;
figure,imshow(F_SIH-double(ori_A),[])
Criteria=Evaluation(double(ori_A),double(ori_B),F_SIH,grey_level);
disp(Criteria)