像素级多分辨率图像融合方法研究

论文摘要

图像融合近年来逐渐成为一门重要的图像处理技术。本文的主要研究内容是像素级多传感器图像的融合方法。针对像素级图像融合技术中需要解决的关键问题,提出了几种新的图像融合的方法。提出了一种基于二维离散小波变换的图像融合方法。首先用二维离散小波变换把源图像分解成为多个不同频带的子图像。在融合过程中考虑低频分量和三个方向的高频分量的来源一致性,用全局匹配度选择融合策略进行融合。最后通过小波逆变换重构得到融合图像。实验结果表明该方法能在一致性的保证下有效地提高融合图像的质量。提出了基于RBF神经网络的图像融合方法。通过RBF神经网络对源图像的像素进行聚类分类,之后采用最大隶属度加权法来融合各源图像。该方法以其更快和更准确的分类实现了图像的信息融合。与传统的基于多分辨率分析的图像融合方法对比,实验结果取得了良好的融合效果。提出了基于混沌神经网络的图像融合方法。通过使用自适应暂态混沌神经网络模型,来动态搜索图像融合中区域小波系数的加权系数最优值。如以结构相似度的负值作为神经网络的能量函数,这样网络搜索输出的最优值就是图像的加权系数,同时,能量函数得到最小值,也就是区域的结构相似度最大。通过对整幅图像进行这种最优的搜索得到的融合后的图像,其融合图像的结构相似度值更大。基于混沌神经网络的图像融合方法开拓了一条新颖的图像融合思路。实验表明,与其他融合算法的结果比较,本算法的融合图像的结构相似度值最大。如果把结构相似度换成其他的评价标准,那么,一样可以得到这种评价标准下的最佳的融合图像。

论文目录

• 内容提要
• 第一章 绪论
• 1.1 课题背景及研究意义
• 1.2 多传感器图像融合技术的研究现状
• 1.3 多传感器图像融合的层次划分
• 1.4 图像融合的评价标准
• 1.5 本论文的主要研究工作
• 第二章 基于离散小波变换的多分辨率图像融合算法
• 2.1 引言
• 2.2 多分辨率分析及正交小波变换
• 2.2.1 小波变换基本理论
• 2.2.2 多分辨率分析
• 2.2.3 图像的小波变换及Mallat 算法
• 2.2.4 多分辨率分析图像融合方法框架
• 2.3 改进的基于小波变换的全局能量融合算法
• 2.3.1 全局算法的框架
• 2.3.2 图像的区域能量
• 2.3.3 图像的全局匹配度
• 2.3.4 融合算法的具体过程
• 2.4 图像融合实验与结果分析
• 2.4.1 融合实验
• 2.4.2 性能评价与分析
• 2.5 本章小结
• 第三章 基于RBF 神经网络的图像聚类融合算法
• 3.1 引言
• 3.2 RBF 神经网络理论
• 3.2.1 RBF 神经网络的结构模型
• 3.2.2 RBF 神经网络的学习算法
• 3.2.3 RBF 神经网络与BP 网络的对比
• 3.3 基于RBF 神经网络的图像聚类融合算法
• 3.3.1 算法框架
• 3.3.2 融合算法中的像素点聚类分类
• 3.3.3 隶属度的确定
• 3.3.4 隶属加权法的融合
• 3.3.5 实验与分析
• 3.4 基于自适应调节的图像聚类融合算法
• 3.4.1 K-means 聚类算法
• 3.4.2 自适应融合算法
• 3.4.3 实验与分析
• 3.5 本章小结
• 第四章 基于混沌神经网络的多分辨率图像融合方法
• 4.1 引言
• 4.2 混沌神经网络理论
• 4.2.1 Hopfield 神经网络（HNN）
• 4.2.2 混沌神经网络的结构模型
• 4.2.3 变尺度暂态混沌神经网络
• 4.3 基于混沌神经网络的多分辨率图像融合方法
• 4.3.1 算法框架
• 4.3.2 结构相似度评价标准
• 4.3.3 混沌网络的迭代搜索融合
• 4.4 图像融合实验与性能分析
• 4.5 本章小结
• 第五章总结与展望
• 5.1 本论文工作总结
• 5.2 研究展望
• 参考文献
• 作者攻读博士期间发表的论文情况
• 致谢
• 学位论文摘要
• ABSTRACT