基于matlab的EM图像融合算法

1.算法概述

       该方法首先利用 EM2M 算法引入到图像融合领域 。在此基础上 ,利用统计模型对图像进行非监督分类的模型参数估计转化通过 EM 算法从不完全数据中估计模 型参数的问题 ,并利用 Mar ko 随机场模型建立类别的先验概率、EM 迭代算法进行图像分类的方法有较高的分类精度和鲁 ,导出了基于分布式和集中式多传感器图像融合模型的两种融合方法。最后仿真试验表明 ,融合方法既可以提高 分类精度 ,又可以加强对噪声的抗干扰能力.

2.仿真效果预览

matlab2022a仿真

 输入A图像

输入B图像

输出融合图像：

3.MATLAB部分代码预览

..........................................
g=rgb2gray(g);
g=im2double(g);
%imshow(f,[]);
h=ones(256,256);
h(1,:)=0.5*f(1,:)+0.5*g(1,:);
h(200,:)=0.5*f(200,:)+0.5*g(200,:);
h(:,1)=0.5*f(:,1)+0.5*g(:,1);
h(:,256)=0.5*f(:,256)+0.5*g(:,256);
%mean=0.5*f+0.5*g;
%w=mean;
for j=2:255
     for i=2:199
        x=[f(i-1,j-1) f(i-1,j) f(i-1,j+1) f(i,j-1) f(i,j) f(i,j+1) f(i+1,j-1) f(i+1,j) f(i+1,j+1)];
        y=[g(i-1,j-1) g(i-1,j) g(i-1,j+1) g(i,j-1) g(i,j) g(i,j+1) g(i+1,j-1) g(i+1,j) g(i+1,j+1)];
        mean=0.5*f(i,j)+0.5*g(i,j);
        [Z]=imagefision(mean,x,y,2,15);
        %fprintf( '%d iterations\n',15);
       h(i,j)=Z;
       %if abs(h(i,j)-mean)>4.531
        
        % h(i,j)=mean;end 
   end
end
figure
imshow(h,[]);
A10