学位论文 > 优秀研究生学位论文题录展示
基于小波包最优树的图像融合技术研究
作 者: 张明军
导 师: 徐泮林
学 校: 山东科技大学
专 业: 大地测量学与测量工程
关键词: 图像融合 小波变换 小波包 最优树
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 82次
引 用: 0次
阅 读: 论文下载
内容摘要
图像融合的目的是通过对多幅源图像中的信息进行综合加工,以获得对同一目标地物更准确,更全面,更可靠的描述。近些年来,图像融合技术在现代航空航天、自动控制、遥感遥测、医学,特别是军事指挥领域中发挥着越来越重要的作用。本文主要研究像素级图像融合,重点是基于小波变换的图像融合。论文首先介绍了图像融合的背景、国内外发展现状、存在的问题,以及图像融合的一些基本概念,并总结了应用于遥感图像融合的评价方法,包括主观评价法和客观评价法。近年来小波变换无论在数学理论方面还是工程应用中都取得了令人瞩目的成绩,基于小波变换的遥感图像融合方法在图像融合领域也取得了较好的效果,文中对小波分析理论进行了系统的总结,包括多分辨率分析、Mallat算法、小波包变换和最优树分解。在图像已经过严格配准的基础上,对图像进行小波包分解,在每个层次均对上一层次的各个部分进行更细致的解析,对分解得到的子影像运用相应的策略进行融合处理,最后进行逆变换重构得到最终的融合影像。在小波包分解的基础上,本文提出了基于最优树变换的遥感图像融合算法。此方法首先对图像进行小波包分解,然后对分解后的各分量进行基于熵的最优树分解,如果分解后的子节点熵的和小于父节点的熵,则将其重构,最后将其进行逆变换即可得到融合图像。由于熵值可以很好的衡量图像信息的丰富程度,因此基于熵最大的最优树融合方法在满足主观视觉评价标准的同时,很好的兼顾了客观评价的指标,通过实验验证,证明该方法是一种比较理想的融合算法,优于经典的几种融合算法。
|
全文目录
摘要 5-6 ABSTRACT 6-11 1 绪论 11-16 1.1 课题背景 11-12 1.2 国内外研究现状 12-14 1.3 存在的问题 14-15 1.4 本文主要内容 15-16 2 图像融合理论概述 16-26 2.1 遥感影像信息特征 16-18 2.2 图像融合的三个层次 18-20 2.3 本文所用实验数据介绍 20-21 2.4 图像融合的目的 21 2.5 图像融合评价标准 21-25 2.6 本章小结 25-26 3 小波理论基础 26-38 3.1 小波发展简史 26-27 3.2 连续小波与离散小波 27-29 3.3 多分辨率分析与Mallat算法 29-31 3.4 基于小波变换的图像融合 31-32 3.5 小波包变换与最优小波树分解 32-37 3.6 本章小结 37-38 4 基于小波变换遥感影像融合 38-48 4.1 Landsat卫星TM波段选择 38-40 4.2 基于小波包变换的融合方法 40-42 4.3 基于最优树变换的融合方法 42-44 4.4 实例分析 44-47 4.5 结果评价 47-48 5 总结与展望 48-50 5.1 总结 48 5.2 展望 48-50 参考文献 50-54 致谢 54-55 附录 55
|
相似论文
- 多载波CDMA的信道编码与信道估计技术的研究,TN929.533
- 图像拼接技术研究,TP391.41
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
- 双传感器图像联合目标检测及系统实现研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 图像的稀疏表示及编码模型研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 桡动脉超声多普勒血流信号的特征提取及分类研究,TP391.41
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 大鼠皮层神经细胞膜离子通道电流测量与重构,Q42
- 感觉刺激诱发脑电特征研究,R318.0
- 网络传输中的ROI图像编码算法研究,TN919.81
- 一种多数据流聚类异常检测算法,TP311.13
- 结合DWT的动态数据校正研究及应用,TP274
- 基于小波变换和马尔可夫链的流量预测模型,TP393.06
- 一类工具加工痕迹的检验识别,TP391.41
- 基于混沌和分形的两类图像处理算法,TP391.41
- 基于非参数统计高斯核函数特征量的网络流量异常检测方法,TP393.07
- 航空发动机燃调系统故障诊断,V263.6
- 图像/视频中自动人脸替换研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|