图像信息处理是一个多阶段、多途径、多目标的信息处理过程。本书主要介绍了数字图像处理领域 的图像修复和图像融合的基础知识，以及有关的前沿处理方法和处理结果。图像修复和图像处理是数字 图像处理中的两个重要分支，其目的都是得到一幅清晰的图像，以便从该清晰的图像中获得更加丰富的 信息，方便后续的处理。 本书适合电子科学与工程类、计算机科学与技术类以及与图像处理相关专业的本科生和研究生使 用，也可供相关方向的科研人员参考。

图像信息处理是一个多阶段, 多途径，多目标的信息处理过程。本书主要概述了数字图像图像处理领域里面的图像修复和图像融合中的基础知识，以及有关的前沿的处理方法及其结果。本书所涉及的基础及理论探讨可以供电子科学与工程类、计算机科学与技术类及其与图像处理相关的本科生和研究生学习，也可供相关专业的科研人员参考。

本书主要介绍数字图像领域中的图像修复和图像融合。图像修复是将因各种原因造成的图像损失根据图像中未破损区域的信息来修复破损区域信息的技术。图像修复最早起源于文艺复兴时期，修复工作者们通过双手修复中世纪的艺术品。随着数字技术的发展，图像修复已经成为图像处理中的一个重要分支，广泛应用于军事、医学、工业等领域。图像修复的方法可以分为三类：基于扩散的图像修复方法、基于块匹配的修复方法和基于稀疏表示的图像修复方法。基于扩散的方法是利用一些先验知识从破损区域的外部向内部进行局部结构扩散，从而完成修复。基于块匹配的方法是从待修复区域选定一个目标块，然后利用比较的方法从未破损区域找出与目标块最相似的一块或者几块。基于稀疏表示的方法是利用未破损区域的信息来估计破损区域的信息，克服了在基于块匹配的修复算法中由贪心搜索策略引起伪信息的问题。本书重点介绍基于稀疏表示的图像修复算法。
图像融合是将由相同或者不同传感器获得的两幅或者多幅图像融合为一幅图像，使得融合后的图像包含更多的信息以利于后续图像处理的应用。图像融合广泛应用于医学成像、卫星遥感等领域。图像融合算法总结起来可以分为三个层次：像素级融合、特征级融合和决策级融合。由于像素级融合能尽量保持源图像信息，并且包含常见的图像融合种类，例如多聚焦图像融合、医学图像融合等，所以本书重点介绍像素级图像融合，主要是多聚焦图像融合和医学图像融合。多聚焦图像融合可将两幅同一场景下聚焦区域不同的图像融合成一幅全清晰的图像，以提高图像的信息利用率。医学图像融合可将来自不同模态的医学图像，比如计算机断层扫描（Computer Tomography，CT）和磁共振成像 （Magnetic Resonance Images，MRI）图像进行融合，从而弥补了单一模态医学图像在局部细节信息描述上的局限性，为医生获得疾病诊断提供充足的信息。
本书分为7章。
第1章为图像修复和图像融合的背景知识介绍以及相关研究方法的分类。
第2章为本书需要的一些基础知识，包括稀疏表示理论、结构保边滤波器以及图像修复和图像融合常用到的评价指标。
第3章主要介绍了基于稀疏表示的图像修复以及相关字典的构造影响修复结果，讨论了两种不同的构造字典的方法及利用不同字典所得到的修复结果。
第4章和第5章分别介绍了基于相位一致性和保边滤波器的多聚焦图像融合算法。相位一致性是一种有效的聚焦区域评价函数，能够准确计算出聚焦的区域；保边滤波器利用其类似变换域的作用将图像分为两个部分，同时尽量保持图像的边缘特性。
第6章介绍了基于分割谱滤波器和稀疏表示的医学图像融合。分割谱滤波器是一种新颖的保边平滑滤波器，实验结果证明了其在医学图像融合方面的有效性。
第7章总结前6章的主要内容并对以后的研究方向进行展望。
本书主要对数字图像处理中的图像修复和图像融合及其相应算法进行了详细的描述，可以为对图像处理研究有兴趣的大学生、研究生及研究人员提供参考。
本书受到甘肃省自然科学基金（No.21JRTRA167）、西北民族大学引进人才项目 （No.xbmuyjrc2020003）和中央高校基本科研业务费（No31920220037）的资助。本书采用Elegant Book模板，在此对该项目组成员表示衷心的感谢。在本书编写过程中，西北民族大学中国民族信息技术研究院的领导和同事给了我很大的鼓励和支持，数学与计算机学院王维兰教授提出了很多宝贵的意见，同时本书能顺利完成离不开我的爱人赵东东的支持，在此一并表示衷心的感谢。
由于编者水平有限，书中难免出现错误及不妥之处，恳请有关专家和读者批评指正。

编者
2023年7月

第1章 背景知识 1
1.1 图像修复背景 1
1.2 图像融合背景 2
1.2.1 图像融合的分类 3
1.2.2 多聚焦图像融合 4
1.2.3 医学图像融合 7
第2章 预备知识 9
2.1 稀疏表示 9
2.2 结构保持滤波器 10
2.2.1 回归滤波器 10
2.2.2 分割图滤波器 11
2.3 客观评价标准 13
2.3.1 峰值信噪比（PSNR） 13
2.3.2 边缘评价指标（） 13
2.3.3 图像结构相似性评价指标（） 14
2.3.4 归一化互信息（QMI） 14
2.3.5 非线性相关信息熵（QNCIE） 15
2.3.6 Chen-Blum 评价指标 （QCB） 15
2.3.7 基于空间频率的图像融合评价指标（QSF） 16
第3章 基于稀疏表示的图像修复 18
3.1 基于相关字典的图像修复 18
3.1.1 引言 18
3.1.2 算法 19
3.1.3 实验结果 24
3.1.4 总结 27
3.2 一种提高的直方图比较方法 27
3.2.1 直方图字典 28
3.2.2 基于直方图字典的图像修复 30
3.2.3 实验结果 30
3.2.4 结论 32
第4章 利用相位一致性进行多聚焦图像融合 33
4.1 引言 33
4.2 Gabor函数与log Gabor 函数 33
4.2.1 Gabor 函数 33
4.2.2 log Gabor 函数 35
4.3 相位一致性 36
4.3.1 相位一致性的概念 36
4.3.2 利用小波计算相位一致性 37
4.3.3 聚焦评价函数 41
4.4 聚焦评价函数的实验与应用 43
4.4.1 聚焦评价函数的有效性实验 43
4.4.2 基于相位一致性的图像融合 45
4.4.3 算法实现 47
4.5 实验与结果 49
4.5.1 图像质量评价方法 49
4.5.2 图像融合方法介绍 52
4.5.3 各种图像融合算法结果比较 59
4.6 研究总结 65
第5章 利用保边滤波器进行多聚焦图像融合 66
5.1 引言 66
5.2 基于保边滤波器的多聚焦图像融合 67
5.3 实验结果 69
5.3.1 客观评价指标 70
5.3.2 实验结果及其分析 70
5.4 结论 81
第6章 基于分割谱滤波器和稀疏表示的医学图像融合 82
6.1 引言 82
6.2 相关工作 83
6.2.1 图像分割滤波器 83
6.2.2 稀疏表示 84
6.3 融合框架 85
6.4 实验结果和讨论 87
6.4.1 实验设置 87
6.4.2 参数分析 89
6.4.3 与具有代表性的保边滤波器作比较 91
6.4.4 与具有代表性的先进方法进行比较 91
6.4.5 进一步与具有代表性的先进方法进行比较 97
6.4.6 计算效率 97
6.5 结论 98
第7章 总结与展望 99
参考文献 101