学位论文 > 优秀研究生学位论文题录展示

基于多分辨率分析的图像融合技术研究

作　者: 邵国峰
导　师: 赵春晖
学　校: 哈尔滨工程大学
专　业: 信息与信号处理
关键词: 图像融合多分辨率分析小波变换轮廓波变换冗余提升的NSWMDA
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 38次
引　用: 0次
阅　读: 论文下载

内容摘要

图像融合是将多个传感器获取的图像中的不同信息进行组合，提取它们中的互补信息，最终合成一幅具有丰富信息的融合图像。图像融合可以应用在很多领域，具有广阔的发展前景，因此设计出高效的图像融合算法具有重要意义。本文对多传感器图像融合处理中的一些重要问题进行了研究。具体工作如下：介绍了多传感器图像融合的概念、意义，多传感器图像融合技术的发展现状，对多传感器的图像特性进行了分析、介绍，以便选择合适的融合算法；给出了多传感器图像融合的基本框架以及融合前图像的预处理（几何校正、去噪、配准等）；总结归纳了图像融合评价指标中的主观评价指标和客观评价指标。本文重点分析与总结了主要多分辨率图像融合技术及其特点，研究了金字塔法、小波变换、小波帧、轮廓波变换、非子采样轮廓波变换以及改进的非子采样轮廓波变换，分析以上多分辨率分析方法的缺点与不足，提出了几种基于多分辨率分析的图像融合算法：1.由于金字塔分解使得不同尺度的图像存在冗余信息，小波帧变换没有上采样和下采样操作，具有时移不变性，可以得到比较理想的融合结果，但仿真运行时间长，所以本文提出了一种基于提升小波变换的快速图像融合算法，该算法在融合速度上明显优于其它算法，多组实验证明了本算法在多聚焦图像融合上有良好的效果。2.小波在二维图像的处理上，存在着方向有限的不足，导致融合后的图像细节模糊。为了更好地利用小波变换分解出的三个方向高频子带，本文提出一种基于提升小波的结构方向信息度的图像融合算法，融合结果证明了本算法在上下聚焦图像、左右聚焦图像以及彩色图像融合上都有很理想的效果。3.虽然轮廓波变换克服了小波变换方向有限的不足，轮廓波变换的过程却使用了上采样和下采样操作，导致了频谱混叠现象，而非子采样轮廓波变换(NSCT)由于避免了采样，可以达到更好的效果，但NSCT中的金字塔变换细微信息捕获能力不强，因此本文提出一种基于不可分离小波变换的多尺度方向分析(NSWMDA)与自适应脉冲偶合神经网络相结合的图像融合算法，本文设计了两组仿真实验，都证明了本文算法在图像边缘信息保持和对比度上效果良好。

全文目录

摘要  5-6
ABSTRACT  6-11
第1章绪论  11-16
  1.1 本文研究的背景  11
  1.2 多传感器图像融合的目的及意义  11-12
  1.3 多传感器图像融合技术的发展及研究现状  12-14
  1.4 存在的问题  14
  1.5 本文的研究内容及结构安排  14-16
第2章多传感器图像特性介绍及融合预处理  16-28
  2.1 多传感器图像特性分析  16-18
    2.1.1 多聚焦图像特性分析  16-17
    2.1.2 红外与可见光图像特性分析  17-18
    2.1.3 医学影像图像特性分析  18
  2.2 图像融合的基本框架  18-19
  2.3 图像融合前的预处理  19-21
    2.3.1 图像的几何校正  19-20
    2.3.2 图像的去噪  20
    2.3.3 图像配准  20-21
  2.4 图像融合评价指标  21-26
    2.4.1 主观评价指标  21
    2.4.2 客观评价指标  21-26
  2.5 本章小结  26-28
第3章多分辨率分析的图像融合技术  28-35
  3.1 常用的金字塔分解方法简介  28-30
    3.1.1 基于金字塔分解的多分辨率分析  28-30
  3.2 常用的图像融合规则  30-33
    3.2.1 常用活动级的测定方法  30-32
    3.2.2 常用的图像融合结合方式  32-33
  3.3 基于金字塔分解的多传感器图像融合实例  33
  3.4 本章小结  33-35
第4章基于小波变换的图像融合技术  35-58
  4.1 小波变换  35-37
    4.1.1 连续小波变换  35-36
    4.1.2 离散小波变换  36-37
  4.2 提升小波变换的基本步骤  37-38
    4.2.1 分裂  37
    4.2.2 预测  37
    4.2.3 更新  37
    4.2.4 重构  37-38
  4.3 图像的提升小波分解算法  38-41
  4.4 图像的小波帧算法  41-43
  4.5 基于小波变换的图像融合算法一般过程  43
  4.6 一种基于小波变换的快速图像融合新算法  43-50
    4.6.1 算法步骤  44-46
    4.6.2 对比算法介绍  46
    4.6.3 融合效果及质量评价  46-50
  4.7 一种基于提升小波变换的结构方向信息的图像融合算法  50-57
    4.7.1 算法步骤  51-53
    4.7.2 融合效果及质量评价  53-57
  4.8 本章小结  57-58
第5章基于非子采样轮廓波变换的图像融合及其改进  58-75
  5.1 轮廓波变换  58-60
  5.2 非子采样轮廓波变换  60-62
  5.3 非子采样轮廓波变换的改进  62-66
  5.4 脉冲偶合神经网络  66-67
  5.5 基于冗余提升的 NSWMDA 与自适应 PCNN 的图像融合算法  67-73
    5.5.1 算法流程  67-70
    5.5.2 红外与可见光图像融合实验  70-71
    5.5.3 CT 与磁共振图像融合实验  71-73
  5.6 本章小结  73-75
总结  75-77
参考文献  77-81
攻读硕士学位期间发表的论文和取得的科研成果  81-82
致谢  82

基于多分辨率分析的图像融合技术研究

内容摘要

全文目录

相似论文