基于多尺度分析的图像融合算法研究

论文摘要

图像融合就是通过一定的算法将两幅或是多幅图像融合成为一幅新图像。多尺度分解源于计算机视觉研究中对人眼感知过程的模拟,具有良好的频域局部特性,所以,它被广泛的应用于图像融合领域。通过多尺度变换,可以把图像分解成分辨率逐级降低的各级图像,各级系数分别表示图像的不同的特征信息,根据各级系数的特点可以选择不同的融合规则,使得融合图像的质量更好。本文实现了基于小波变换和基于Curvelet变换理论的图像融合方法,通过多组实验,采用不同融合规则,对基于小波变换和Curvelet变换的图像融合结果进行了主观和客观评价。在此基础上,结合多聚焦图像的特点,设计了一种改进的基于区域平均梯度的Curvelet变换多聚焦图像融合算法,算法首先对源图像进行Curvelet变换,得到分解后的各层低频系数和高频系数,对低频系数取加权平均,高频系数采用改进的基于区域平均梯度的融合策略进行融合,最后对融合得到的低频和高频系数进行重构,得到融合图像。实验表明,本文给出的方法取得了更好的融合效果,在图像清晰度增强的基础上,与标准图像更加接近。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题的背景及研究意义
• 1.2 图像融合技术及研究现状
• 1.3 论文主要工作
• 2 基于小波变换的图像融合
• 2.1 引言
• 2.2 小波变换
• 2.3 小波变换图像融合
• 2.4 仿真实验设计及融合结果分析
• 2.5 本章小结
• 3 基于Curvelet变换的图像融合
• 3.1 引言
• 3.2 脊波（Ridgelet）变换和Curvelet变换理论
• 3.3 基于第二代Curvelet变换的图像融合方法
• 3.4 本章小结
• 4 基于多尺度分析和区域平均梯度的多聚焦图像融合
• 4.1 多聚焦图像融合的框架
• 4.2 融合规则的选取
• 4.3 融合过程
• 4.4 实验结果分析
• 4.5 本章小结
• 5 总结与展望
• 致谢
• 攻读硕士期间完成的论文
• 参考文献