基于多分辨小波的像素级图像融合研究

论文摘要

图像融合是将两个或两个以上的传感器在同一时间(或不同时间)获取的关于某个具体场景的图像或者图像序列信息加以综合,以生成一个新的有关此场景的图像。而这个图像是从单一传感器获取的信息中无法得到的。图像融合的目的是减少不确定性。图像融合在医学、测量、地理信息系统、工业、智能机器人以及军事领域都起着重要作用。本文首先介绍了图像融合的发展历史和一些基本理论,给出了一些图像融合的质量评估算法,接着对传统的像素级图像融合算法和基于小波变换的图像融合算法进行了介绍,然后重点研究了基于Mallat多分辨小波的图像融合算法。在对多分辨小波变换的图像融合算法有了一定的研究之后,提出了一种改进的基于多分辨小波变换的图像融合算法,该算法的融合效果更好,得到的图像更清晰。文章提出的算法使用Mallat多分辨小波变换来分解和重构图像,以图像边缘某像素点的位置为基础,通过对图像该像素点的区域能量以及区域空间频率的判断,来确定融合图像在该点的值。这种方法不但有效保留了有用的信息,而且有效去除了冗余信息。用这种算法得到的融合图像的边缘和细节更清楚。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 图像融合技术概述
• 1.1.1 图像融合技术的诞生
• 1.1.2 图像融合技术的发展应用
• 1.2 图像融合的形式和层次
• 1.2.1 像素级融合
• 1.2.2 特征级融合
• 1.2.3 决策级融合
• 1.3 本文研究的主要内容
• 第二章 融合质量的评估方法
• 2.1 均值
• 2.2 标准方差
• 2.3 信噪比
• 2.4 交叉熵
• 2.5 信息熵
• 2.6 平均质量指数
• 第三章 传统以及基于多分辨分析的图像融合
• 3.1 传统图像融合算法
• 3.1.1 加权平均法
• 3.1.2 IHS（Intensity Hue Saturation）融合法
• 3.1.3 PCA（Principal Component Analysis）融合法
• 3.1.4 HPF（High Pass Filtering）融合法
• 3.2 基于多分辨小波的图像融合
• 3.2.1 多分辨小波分析
• 3.2.2 图像的多分辨小波分解与重构
• 3.3 传统多分辨金字塔形算法
• 3.3.1 高斯（Gauss）金字塔
• 3.3.2 拉普拉斯（Laplacian）金字塔
• 3.4 Mallat 多分辨分析
• 3.5 基于Mallat 的图像融合
• 3.5.1 最大最小值选择法
• 3.5.2 加权平均法
• 3.5.3 区域选择法
• 3.5.4 组合法
• 第四章 基于边缘和区域特征的多分辨图像融合
• 4.1 图像的边缘提取
• 4.1.1 传统的边缘检测方法
• 4.1.2 Canny 边缘检测算子
• 4.2 基于边缘和区域特征的图像融合
• 4.2.1 高频部分
• 4.2.2 低频部分
• 4.3 融合过程和结果分析
• 4.3.1 算法流程图
• 4.3.2 融合实验分析
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 在研究生期间发表的论文
• 致谢
• 详细摘要