论文摘要
图像融合是一项综合同一场景多源图像信息,得到一幅同一场景图像的技术,在图像理解和计算机视觉领域中有着重要的应用价值。从军事应用为目的的数据融合技术开始,融合技术已广泛用于资源管理、城市规划、气象预报、作物及地质分析等领域。本文从变换方法和融合算法两个方面综合研究了多源图像融合技术,提出了一种基于Contourlet变换的改进PCNN融合算法。该算法从变换域和融合算法两个方面对融合进行改进,通过对比多层PCNN神经元的点火次数,更好地提取源图像特征系数,有效保留图像的纹理细节,大大改善了融合结果。首先介绍了基于小波分解的图像融合算法,给出了小波分解图像融合的实现方案,并对影响该算法的融合结果的因素进行了讨论。小波分解方法由于其多分辨率和非冗余性特性,在一维图像融合方面具有显著的优势,然而这种优势却不能简单推广到多维应用中,不能最优地表示含有线或面奇异的高维函数。本文引入Contourlet变换方法,该方法具有多分辨率、各项异性以及方向性的特点,这些特点决定了它在图像处理领域的潜力和优势。其次介绍了多尺度变换方法,详细描述了Contourlet变换的原理,通过对理想图像融合的对比实验,说明了Contourlet变换对小波变换的优越性。另外还介绍了非下采样Contourlet变换的原理及其在图像融合中的应用。接着本文通过多种融合算法的对比,针对一般融合算法的相关性较小,对整体细节把握较差的问题,引入了神经网络方法在图像融合上的应用,提出了一种能有效保留源图像细节和边缘的改进的PCNN融合算法。最后,针对融合评价标准的局限性,本文提出了主客观综合把握的评价方法,主观视觉感觉和客观结果数据综合分析。通过实验结果表明,改进的并行PCNN的融合算法大大提高图像在边缘、纹理、保留更多源图像信息等方面的综合性能,是一种通用性比较强的高效融合方法。该方法分别应用于多聚焦图像和多光谱图像,并对实验结果进行分析比较,发现PCNN方法对于多光谱图像具有更突出的融合结果。
论文目录
相关论文文献
标签：图像融合论文; 耦合脉冲神经网络论文; 非下采样变换论文; 扇形滤波器组论文; 融合效果评价论文;