多聚焦图像融合算法的研究

论文摘要

多聚焦图像融合是将多幅成像条件相同而且关于同一场景的不同焦点图像,融合成一幅各处都清晰的图像。通过对多聚焦图像进行融合能够有效提高图像信息的利用率和系统对目标探测识别的可靠性,本文针对多聚焦图像的融合算法进行了研究,内容主要包括以下几个方面:(1)对现有的典型的空域图像融合算法进行了系统的分析和验证,提出了一种改进的梯度算子算法,该算法在确定图像真实梯度方向的基础上对多聚焦图像进行融合,仿真试验的结果表明该方法与传统的空域图像融合算法相比融合效果较好。(2)分析了傅立叶变换和小波变换的原理,指出了与傅立叶变换相比采用小波变换作为图像融合手段的优势所在,对基于小波变换的多聚焦图像融合算法进行了深入研究,从小波变换的高频算子和低频算子两个角度讨论了几种典型的的多聚焦图像融合算法,并分析了选择不同的小波基和分解层数对融合结果的影响,根据小波函数的性质和多聚焦图像的特点提出了改进的基于边缘强度的小波算法。(3)研究了图像融合质量的评价参数,总结出适用于评价多聚焦图像质量的性能指标,采用图像信息熵、图像均值、标准差、清晰度和空间频率等参数作为本论文性能分析的判断标准,利用这些评价参数对本文研究的各种空域及小波融合算法进行了评价。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 图像融合技术
• 1.1.1 图像融合的分类
• 1.1.2 图像融合的发展
• 1.1.3 图像融合的应用
• 1.2 课题的目的及意义
• 1.3 研究工作及论文结构
• 第二章 基于空域的多聚焦图像融合算法的研究
• 2.1 多聚焦图像融合的基本原理
• 2.1.1 光学成像系统理论分析
• 2.1.2 多聚焦序列图像的融合原理
• 2.2 基于像素的多聚焦图像融合处理方法
• 2.2.1 加权平均法
• 2.2.2 最大最小灰度法
• 2.2.3 最大离差法
• 2.3 基于区域的多聚焦图像融合处理方法
• 2.3.1 无方向的差分算子法
• 2.3.2 灰度方差算子法
• 2.3.3 拉普拉斯梯度算子法
• 2.3.4 基于Sobel梯度算子的Tenegrad函数方法
• 第三章 基于变换域的多聚焦图像融合算法的研究
• 3.1 傅立叶变换
• 3.1.1 傅立叶变换的基本原理
• 3.1.2 基于傅立叶能量谱的算法
• 3.2 小波变换实现图像融合的基本原理
• 3.2.1 图像的小波变换和Mallat算法
• 3.2.2 基于小波变换的图像融合方法
• 3.3 基于小波变换的高频域融合算法
• 3.3.1 基于像素的最大值法
• 3.3.2 基于区域的最大值法
• 3.4 基于小波变换的低频域融合算法
• 3.4.1 低频系数平均法
• 3.4.2 低频系数最大值法
• 3.4.3 低频系数边缘选择法
• 3.5 小波变换中小波基和分解层数的选择
• 3.5.1 小波基的选择
• 3.5.2 分解层数的选择
• 第四章 多聚焦图像融合的实验研究
• 4.1 融合图像质量的评价
• 4.1.1 融合图像评价方法的分类及特点
• 4.1.2 基于融合图像统计特征的评价参数
• 4.1.3 基于融合图像与标准图像关系的评价参数
• 4.2 改进的多聚焦图像融合算法
• 4.2.1 改进的梯度算子算法
• 4.2.2 改进的基于边缘强度的小波算法
• 4.3 多聚焦图像融合算法的比较
• 4.3.1 空域算法融合效果的分析
• 4.3.2 小波算法融合效果的分析
• 4.3.3 有参考图像的多聚焦图像融合实验设计
• 4.3.4 应用实例
• 第五章 总结和展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 发表论文和参加科研情况说明
• 致谢