多尺度變換的圖像融合方法與應(yīng)用研究.pdf

1、隨著傳感器技術(shù)的發(fā)展,多傳感器圖像數(shù)據(jù)類型和數(shù)量急劇豐富,多傳感器圖像融合技術(shù)在軍事目標(biāo)識別、智能機器人、遙感、醫(yī)學(xué)圖像處理和制造業(yè)等諸多領(lǐng)域內(nèi)得到了廣泛的應(yīng)用,更成為了圖像理解、計算機視覺和遙感等領(lǐng)域的研究熱點。論文在多尺度分析理論指導(dǎo)下對像素級多傳感器圖像融合方法開展相關(guān)的研究工作,融合圖像包括了遙感圖像、多聚焦圖像、紅外與可見光圖像和醫(yī)學(xué)圖像等多種類型。
　　 論文首先對研究背景、圖像多尺度分析概念、圖像融合技術(shù)及其相關(guān)概

2、念、圖像融合技術(shù)發(fā)展現(xiàn)狀和應(yīng)用等進行了總體介紹。總結(jié)了現(xiàn)有的多傳感器圖像融合方法和國內(nèi)外學(xué)者的研究成果,然后將已有的圖像融合方法進行了分類并分析了它們的優(yōu)缺點。對基于多尺度變換的融合方法原理和已有的相關(guān)研究工作進行了較為詳細的闡述,給出了本論文所用到的融合圖像質(zhì)量客觀評價指標(biāo)計算公式。借鑒前人的研究工作,論文重點研究了基于多尺度變換的圖像融合方法,包括基于金字塔變換、基于小波變換、基于Curvelet變換和基于非下采樣Contourle

3、t變換的圖像融合方法,然后提出了幾種新的融合方案,給出了它們的融合規(guī)則函數(shù)表達式,分別使用遙感圖像、多聚焦圖像、紅外與可見光圖像以及醫(yī)學(xué)圖像進行了實驗驗證。
　　 論文對圖像融合方法和融合規(guī)則都做了一些研究,主要成果和創(chuàng)新點概括如下:
　　 (1)根據(jù)視覺對比度掩蔽特性,考慮分解系數(shù)中的局部均值和窗口內(nèi)每個系數(shù),基于金字塔多尺度變換提出了改進的圖像對比度融合方法。
　　 (2)通過研究源圖像小波分解子帶系數(shù)鄰域內(nèi)

4、的相關(guān)性,基于小波變換提出了鄰域內(nèi)相關(guān)系數(shù)與平均梯度的圖像融合方法,該方法具有較好的融合效果。
　　 (3)通過研究主分量變換融合方法和小波變換融合方法各自的特點,提出了一種基于主分量變換與小波變換結(jié)合的自適應(yīng)遙感圖像融合方法。該方法有效地融合了高分辨率圖像的低頻分量信息,消除了小波變換融合方法圖像中的分塊效應(yīng),其融合圖像邊界清楚,在保留光譜信息的同時空間細節(jié)信息也得到提高。
　　 (4)針對小波變換不能夠有效地獲取圖像

5、中的幾何特征(如曲線)等奇異性問題,研究了Curvelet變換理論,然后根據(jù)Curvelet變換系數(shù)特點,考慮圖像中的弱邊緣,基于第一代Curvelet變換提出了一種自適應(yīng)的遙感圖像融合方法,該方法的融合圖像較好地保留了源圖像的光譜信息,其空問細節(jié)信息也得到了增強。
　　 (5)Curvelet變換很好地刻畫了圖像中曲線等奇異性,圖像的紋理活躍性程度可通過不同方向上的Curvelet系數(shù)能量變化來反映。綜合考慮局部窗口內(nèi)每個Cu

6、rvelet系數(shù)能量及其均值,基于第二代Curvelet變換提出了改進的系數(shù)能量對比度融合方法。實驗證明,對于多聚焦圖像,其融合圖像與源圖像的信息相關(guān)程度較高并且差異性小,很好地保留了源圖像的邊緣特征。
　　 (6)針對傳統(tǒng)IHS(Intensity Hue Saturation,IHS)變換融合方法的光譜信息丟失問題,結(jié)合第二代Curvelet變換提出了一種改進的融合方法,兩組不同的遙感圖像實驗及分析表明,該融合方法充分綜合了

7、IHS變換和Curvelet變換優(yōu)勢,有效地提取了原始遙感圖像特征。
　　 (7)通過研究多尺度變換域系數(shù)注入融合遙感圖像方法,考慮到注入融合方法使多光譜圖像中某些特征被全色圖像的特征掩蔽,提出了改進的非下樣Contourlet變換系數(shù)注入融合方法,實驗證明,該方法盡可能保留了多光譜圖像中的光譜信息和高分辨圖像中的細節(jié)信息。
　　 對論文提出的每種融合方法,都給出了相應(yīng)的實驗,從主觀和客觀兩個方面對提出的融合方法進行了分