基于小波的像素级图像配准与融合研究

论文摘要

近年来,图像融合已经成为图像理解和计算机视觉领域中一项重要而有价值的新技术,图像融合技术已广泛应用于地质、农业、测绘、计算机视觉、军事、遥感、医学、生物学等方面。图像融合技术的研究目的就是综合不同类型传感器所获取的图像信息,通过对多幅图像间冗余数据的处理提高图像的可靠性、可观察性,通过对多幅图像间互补信息的处理提高图像的效果。融合结果图像更符合人或机器的视觉特性,有利于对图像的进一步分析、理解、目标的检测、识别或跟踪。本文主要针对像素级多源图像融合及配准问题进行了研究。研究内容涉及到多源图像融合预处理中的图像配准算法和图像融合算法。本文主要包括以下三个方面：分析了图像融合的层次、模型、结构及其特点,着重阐述了像素融合的概念和方法,对融合效果的评价方法进行了深入的分析,并对现有的评价方法进行了整理和分类,定性并定量地讨论了图像融合效果以及融合评价方法和准则。图像配准是图像融合的基础。由于图像进行张量积小波分解后所得的近似分量的轮廓与原图像具有一定的相似性,提出了一种利用这种相似性进行图像分解的图像配准方法。该图像配准方法将分解四幅子图像分别进行第一次配准,配准后每幅子图采取Harris角点检测算子进行特征点提取,利用改进型Hausdorff距离作为配准的相似性测度进行第二次配准,然后重构得到配准结果图像,从而实现图像的配准。该方法能提高配准的速度,对实时图像配准具有使用价值,该方法能提高配准精度。基于对多分辨小波变换的图像融合算法的研究,提出了一种改进的基于多分辨小波变换的图像融合算法。该算法基于小波图像的能量集中在低频子带、细节体现在高频子带的特点,高频部分采用基于边缘信息的局部能量的加权融合方法处理,在低频部分对小波系数采用基于区域能量大小算法和加权因子算法相比较来进行融合。通过对仿真图像与仿真数据分析表明,所采用的方法避免了图像融合过程中因平均化而出现的模糊现象,融合后的图像内容更加清晰,更容易识别。仿真结果表明基于小波变换的图像融合具有较快的处理速度和较好的融合效果,所得的图像更清晰。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 图像融合技术概述
• 1.2 图像融合技术的发展和应用
• 1.3 图像融合的形式和层次
• 1.4 图像融合技术优点和存在的问题
• 1.5 本文研究的主要内容
• 第二章 传统图像融合算法与小波理论
• 2.1 传统图像融合算法
• 2.1.1 几种比较典型的融合
• 2.1.2 影响融合效果好坏的因素
• 2.2 融合质量的评估方法
• 2.3 小波变换的基本理论
• 2.3.1 多分辨小波分析
• 2.3.2 图像的多分辨小波分解与重构
• 2.3.3 传统多分辨金字塔形算法
• 2.3.4 高斯（Gauss）金字塔
• 2.3.5 拉普拉斯（Laplacian）金字塔
• 2.3.6 Mallat多分辨分析
• 2.3.7 二维张量积小波
• 2.3.8 小波域的融合基本规则
• 第三章 图像融合前的配准研究
• 3.1 图像配准概述
• 3.2 图像配准变换
• 3.2.1 图像的二维仿射变换模型
• 3.2.2 投影变换
• 3.2.3 非线性变换
• 3.3 基于张量基小波和特征点提取两次图像配准
• 3.3.1 基于张量基小波的图像分解
• 3.3.2 基于改进Harris特征点提取
• 3.3.3 Hausdorff距离
• 3.3.4 配准过程
• 3.4 实验结果
• 3.5 本章小结
• 第四章 基于边缘和小波分解图像融合
• 4.1 图像的边缘提取
• 4.1.1 边缘提取概述
• 4.1.2 边缘检测方法
• 4.1.3 基于小波的边缘提取
• 4.1.4 几种边缘算法提取的比较
• 4.2 基于边缘和区域特征的图像融合
• 4.2.1 图像融合流程图
• 4.2.2 高频部分融合规则
• 4.2.3 低频部分融合规则
• 4.3 融合结果分析
• 4.4 本章小结
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢