基于NSCT和区域分割相结合的图像融合新算法

论文摘要

近年来,图像融合已经成为图像理解和计算机视觉领域中一项重要的技术。图像融合能产生比单一信息源更精确、更完整、更可靠的判断。针对红外图像和可见光图像的特点,本文研究了基于边缘检测和区域分割的图像融合新算法。主要工作如下:本文在介绍图像融合的基本理论的基础上,研究了传统的图像融合方法。论述了非下采样Contourlet变换（NonSubsampled Contourlet Transfrom,NSCT）理论,并进一步提出了基于NSCT和边缘检测的图像融合新算法。该算法首先对图像进行NSCT;其次,对于低频近似分量图像采用基于区域信息的融合规则,对于高频细节图像采用边缘特征信息和归一化相关矩相结合的融合规则;最后,进行非下采样Contourlet逆变换得到融合图像。本文还提出了基于NSCT和区域分割的图像融合新算法。该算法用基于图论和FCM（Fuzzy C-Means Clustering,FCM）方法分别对红外图像和可见光图像进行区域分割,通过区域合并得到异类图像的区域关联分割图。然后对图像进行NSCT,对于低频近似分量图像利用区域能量比和区域清晰度比两个区域特征度量算子进行融合,对于高频细节图像利用区域边界清晰度的区域特征度量算子进行融合。通过对多幅红外图像与可见光图像进行仿真,并与基于局部窗口能量的小波变换和NSCT的融合算法进行对比,仿真结果表明:本文提出的两种新算法得到的融合图像在保留可见光图像丰富的背景信息的同时,都较好的继承了红外图像的目标信息。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究现状与发展趋势
• 1.2.1 研究现状
• 1.2.2 研究热点及发展趋势
• 1.3 论文的主要工作
• 第二章 图像融合的基本理论
• 2.1 图像融合的基本概念
• 2.1.1 图像融合的原理与过程
• 2.1.2 图像融合的定义与目的
• 2.1.3 图像融合的层次
• 2.2 常见融合方法分析
• 2.2.1 空间域融合方法
• 2.2.2 频域融合方法
• 2.3 图像融合的性能评价
• 2.3.1 主观评价
• 2.3.2 客观评价
• 第三章 非下采样Contourlet变换理论
• 3.1 图像的稀疏表示
• 3.1.1 稀疏性衡量
• 3.1.2 图像的稀疏表示
• 3.2 图像的自适应多尺度几何表示法
• 3.3 图像的非自适应多尺度几何表示法
• 3.3.1 脊波变换与单尺度脊波（Monoscale Ridgelet）变换
• 3.3.2 Curvelet 变换
• 3.3.3 Contourlet 变换
• 3.3.4 非下采样Contourlet变换
• 第四章 基于NSCT和边缘检测的图像融合新算法
• 4.1 算法结构
• 4.2 融合规则
• 4.2.1 基于边缘检测的融合规则
• 4.2.2 基于局部窗口的融合规则
• 4.3 仿真结果及分析
• 4.3.1 仿真结果
• 4.3.2 分析与讨论
• 4.4 本章小节
• 第五章 基于图论与FCM区域分割相结合的图像融合新算法
• 5.1 算法结构
• 5.2 区域分割
• 5.2.1 基于图论的区域分割
• 5.2.2 基于特征的FCM的分割
• 5.2.3 区域合并
• 5.3 区域特征提取及融合规则
• 5.3.1 区域特征提取
• 5.3.2 基于区域分割的融合规则
• 5.4 仿真结果及分析
• 5.4.1 仿真结果
• 5.4.2 分析与讨论
• 5.5 本章小节
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献
• 硕士期间研究成果