基于Curvelet变换的红外图像与可见光图像融合算法研究

论文摘要

第一代Curvelet变换存在着一些不足,如第一代Curvelet的数字实现比较复杂,而且,第一代Curvelet金字塔的分解也带来了巨大的数据冗余量,针对以上不足,本文引出了实现更简单、更便于理解的快速Curvelet变换算法,即第二代Curvelet变换。进而,详细介绍了第二代Curvelet变换理论、性质、实现方法、以及在图像处理中的应用。待融合原图对融合结果有着非常重要影响,即原图画质差将直接导致融合处理的失败。并且在现实中,通过比较发现,红外图像存在着一系列的噪声、低对比度、低分辨率等问题。针对以上问题,对红外图像进行了进一步的特征分析,指出红外图像存在着多种噪声,同时,红外图像存在着对比度低、视觉效果模糊,清晰度低等特征,进而引出了下文对红外图像的去噪处理,以及对融合结果图的增强处理。针对现有的红外图像去噪算法的一些不足,如硬阈值算法在含有丰富边缘图像中会产生许多“人为”噪声点,软阈值算法造成了一定的高频信息损失,其结果导致了图像的边缘模糊,折中阈值去噪法在阈值的选取上过于单一化,不适合抑制红外图像分布错综复杂的噪声,故本文提出了一种阈值补偿函数,使用这种算法,不但可以实现能量自适应抑噪,而且能够保留图像的边缘信息,取得较好的抑噪效果。针对Curvelet变换在图像细节信息的保留上存在的不足,和小波变换不能很好的保留图像的长边缘信息的问题,本文提出了基于Curvelet变换与小波变换相结合的融合算法,将两个变换结合目的是取各自优势,互补劣势,使图像的长边缘信息和点细节信息都得到很好的保留。同时,在融合规则上也提出了一种新的信号强度比法,大量的实验数据表明,使用该融合规则,融合结果能更好的保留目标信息和光谱信息,证明该算法存在着很强的优势。最后,针对融合结果图的整体画质不理想问题,本文研究了基于Curvelet变换的图像增强算法,针对现有的单阈值增强算法和双阈值增强算法的不足,如单阈值增强算法在增强图像细节的同时,对噪声进行了放大,双阈值增强算法会造成噪声的过抑制,即抑制了噪声的同时,图像的细节信息也遭到了模糊,本文提出了一种基于Curvelet变换的自适应阈值的图像增强算法,该算法在不放大噪声的基础上,又加强的图像的边缘信息。由大量的实验证明,该算法比传统的直方图均衡,单阈值增强,双阈值增强都有着很强的优势,对增强后的结果图的细节、纹理、清晰度都有很大改善。

论文目录

• 摘要
• ABSTRACT
• 图清单
• 表清单
• 注释表
• 第一章 绪论
• 1.1 研究的背景及意义
• 1.2 国内外研究现状
• 1.3 本文研究内容和创新点
• 1.3.1 本文研究的内容
• 1.3.2 本文的创新点
• 第二章 Curvelet 理论
• 2.1 引言
• 2.2 从傅里叶分析到小波分析
• 2.3 图像的多尺度几何分析
• 2.4 曲线特征的稀疏表示
• 2.5 第一代Curvelet 变换
• 2.5.1 Radon 变换
• 2.5.2 Ridgelet 变换
• 2.5.3 第一代Curvelet 变换
• 2.5.4 第一代Curvelet 变换的不足
• 2.6 第二代Curvelet 变换
• 2.6.1 连续Curvelet 变换
• 2.6.2 离散Curvelet 变换
• 2.7 第二代Curvelet 变换的性质
• 2.8 第二代Curvelet 变换的实现
• 2.8.1 USFFT 算法
• 2.8.2 wrapping 算法
• 2.9 Curvelet 变换在图像处理方面的应用
• 第三章 红外图像的特征分析
• 3.1 引言
• 3.2 红外图像的特征分析
• 3.2.1 红外图像的产生机理及特点
• 3.2.2 红外图像中的噪声分析
• 3.2.3 红外图像的对比度及分辨率
• 第四章 基于Curvelet 变换的红外图像去噪
• 4.1 引言
• 4.2 常用的去噪算法分析
• 4.3 Curvelet 去噪的算法
• 4.3.1 阈值的选取
• 4.3.2 阈值函数
• 4.3.3 去噪流程
• 4.4 实验及结果分析
• 4.4.1 评价指标
• 4.4.2 实验结果分析
• 第五章 基于Curvelet 变换的红外图像与可见光图像的融合
• 5.1 引言
• 5.2 图像融合技术的概述
• 5.2.1 图像融合的基本概念
• 5.2.2 图像融合的主要研究内容
• 5.2.3 图像融合效果的评价
• 5.3 基于Curvelet 变换的融合
• 5.4 基于Curvelet 变换和小波变换相结合的融合
• 5.4.1 算法步骤
• 5.4.2 低频系数处理方法
• 5.4.3 高频系数融合规则的研究
• 5.5 实验与分析
• 5.5.1 模板P （ m ′, n ′） 对融合结果的影响
• 5.5.2 阈值T 对融合结果的影响
• 5.5.3 与传统图像融合算法的比较
• 第六章 基于Curvelet 变换的图像增强
• 6.1 引言
• 6.2 基于直方图均衡法的图像增强
• 6.3 基于Curvelet 变换的图像增强
• 6.3.1 单阈值增强算法
• 6.3.2 双阈值增强算法
• 6.3.3 自适应增强算法（本文算法）
• 6.3.4 基于 Curvelet 变换的图像增强的步骤
• 6.4 实验及结果分析
• 6.4.1 评价指标
• 6.4.2 实验结果分析
• 第七章 总结和展望
• 7.1 论文工作总结
• 7.2 研究展望
• 参考文献
• 致谢
• 在学期间的研究成果及发表的论文