基于小波变换的图像融合研究

论文摘要

多传感器图像信息处理系统是信息技术发展的趋势,是各种先进图像传感器出现后的必然结果。图像融合是多传感器数据融合的一个重要分支,它是指将多个传感器采集的关于同一目标或场景的图像数据,根据某种算法进行适当的综合处理,产生一幅新的、满足某种需求的新图像,而这一图像是单传感器所无法得到的。图像融合的目的是充分利用不同传感器提供的互补和冗余信息,提高信息系统的性能,从而更好的达到对目标的检测,特征提取和识别。在各类融合方法中,像素级的图像融合具有获取信息量最多、监测性能最好等优点,是目前图像融合的研究热点,也是本文研究的重点。本文重点研究了基于小波变换的多传感器图像融合技术及其在医学图像融合和多聚焦图像融合方面的应用。首先介绍了图像信息融合的概念、优势、发展历史和应用领域,并介绍了图像融合的三个层次及常用的图像融合方法。总结了融合效果的主、客观评价标准。阐述了小波域的图像融合原理及一般方法。从传统的小波定义出发,研究了信号的小波分解和重构的基本原理。针对传统小波变换不具有线性相位,相位失真会引起图像边缘的失真的情况,提出了一种新的基于双正交小波变换的医学图像融合方法。双正交小波对正交性做出了“让步”,以求得对称性和紧支的特性,使用FIR滤波器可对其进行精确重构。双正交小波变换与正交小波变换相比,小波形状能有更宽的选择范围,因而给设计带来更大的灵活性。本文在研究光学成像系统成像机理的基础上,明确了清晰图像与模糊图像所对应的系统函数特点,提出了一种新的多聚焦图像融合方法。由于正交小波变换缺乏平移不变形而产生视觉失真的缺陷,在多聚焦图像的融合处理上用小波多孔算法对源图像分解,多孔算法先将滤波器h0（n）,h1（n）各点间插入适当的零值后再与低频信号做卷积。将具有抑制噪声性能的空阈相关法作为高频子图像的融合规则,选取相关性强边缘特征显著的点作为最终融合子图像的像素点。

论文目录

• 中文摘要
• ABSTRACT
• 符号说明
• 第一章 引言
• 1.1 课题的研究背景及意义
• 1.1.1 图像融合技术
• 1.1.2 图像融合的发展
• 1.1.3 图像融合的应用领域
• 1.2 图像融合技术简介
• 1.2.1 像素级图像融合
• 1.2.2 特征级图像融合
• 1.2.3 决策级图像融合
• 1.3 本文的主要研究内容及论文组织
• 第二章 小波变换的理论基础
• 2.1 小波变换的历史及发展
• 2.2 小波变换分析
• 2.2.1 小波的定义及特点
• 2.2.2 多分辨率分析
• 2.3 图像的小波分解
• 2.4 基于小波变换的图像融合方法原理
• 第二章 图像融合效果评价标准
• 3.1 主观评价
• 3.2 客观评价
• 3.2.1 基于光谱特征的评价
• 3.2.2 基于信息量的评价
• 3.2.3 基于统计特性的评价
• 3.2.4 基于信噪比的评价
• 3.2.5 基于梯度值的评价
• 3.3 本章小结
• 第四章 基于双正交小波变换的医学图像融合
• 4.1 医学图像融合的意义及临床应用价值
• 4.1.1 医学图像融合的意义
• 4.1.2 医学图像融合的临床价值
• 4.2 基于双正交小波变换的医学图像融合算法
• 4.2.1 双正交样条小波变换
• 4.2.2 基于归一化方差的融合算法
• 4.3 仿真结果及分析
• 4.4 本章小结
• 第五章 基于小波变换的多聚焦图像融合方法
• 5.1 多聚焦图像的成像特点
• 5.2 多聚焦图像融合算法研究
• 5.2.1 基于边缘尺度系数卷积的融合算法
• 5.2.2 基于小波多孔算法的图像融合
• 5.3 仿真结果
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表论文
• 学位论文评阅及答辩情况表