学位论文 > 优秀研究生学位论文题录展示

像素级图像融合方法及应用研究

作　者: 李伟
导　师: 朱学峰
学　校: 华南理工大学
专　业: 控制理论与控制工程
关键词: 多源图像融合像素级图像融合小波包分析第二代小波变换提升方案脉冲耦合神经网络融合性能评价
分类号: TP391.41
类　型: 博士论文
年　份: 2006年
下　载: 1796次
引　用: 44次
阅　读: 论文下载

内容摘要

图像融合技术(Image Fusion Technology)作为多传感器信息融合的一个非常重要的分支——可视信息的融合，近二十年来，引起了世界范围内的广泛关注和研究热潮。图像融合就是对多个传感器采集到的关于同一场景或目标的多个源图像进行适当的融合处理，以获取对同一场景的更为准确、更为全面、更为可靠的图像描述。图像融合的目的是充分利用多个待融合源图像中包含的冗余信息和互补信息，融合后的图像应该更适合于人类视觉感知或计算机后续处理。像素级图像融合是在基础层面上进行的图像融合，它能够提供其它层次上的融合处理所不具有的更丰富、更精确、更可靠的细节信息，有利于图像的进一步分析、处理与理解，它在整个图像融合技术中是最为复杂、实施难度最大的融合处理技术。本文的研究工作主要是围绕像素级的图像融合展开的，针对像素级图像融合技术中需要解决的关键问题，重点研究了像素级图像融合的算法及其实现以及图像融合质量的综合评价问题，同时还对图像融合的预处理技术以及像素级图像融合技术的初步应用做了探讨。本论文的主要研究内容和研究成果如下： (1) 在深入理解图像融合技术基本理论的基础上，针对传统基于塔型分解和基于小波变换图像融合方法的分解方式不能很好地适用于高频段包含大量重要信息的图像融合这一问题，提出了一种基于离散小波包变换的图像融合方法，该方法能够对图像的高频部分进行更为细致的划分，从而有利于在融合过程中提取源图像的重要细节信息，实验结果表明该方法能够有效地提高图像的融合质量。为了进一步改善图像的融合效果以及融合算法的性能，本文还提出了一种新的基于区域特征选择的图像融合规则。该规则不仅计算简单，而且能够在融合图像中保留较多的重要特征和细节信息，通过针对不同类型多源图像的融合仿真实验，结果表明该融合规则具有良好的融合性能。 (2) 针对在图像融合过程中，采用传统基于卷积运算的小波变换处理大量的图像数据时，存在的计算复杂、运算所需内存较多、无法实现在线快速的图像处理等缺陷，提出了一种基于第二代小波变换的图像融合方法。该方法首先利用基于提升方案构造的小波对源图像进行分解求得图像的低频和高频小波系数，然后按照基于区域特征选择的融合规则对分解得到的低频和高频小波系数分别进行融合处理以得到一组新的融合后小波系数，最后利用提升小波逆变换得到融合后的图像。提升方案在保持原有小波特性的前提下，使小波变换所需的计算量减少了约四分之三，从而使整个融合处理的运算量大幅降低，融合速度显著提高。实验结果表明基于提升小波变换的融合方法是一种

全文目录

摘要  5-7
Abstract  7-17
第一章绪论  17-31
  1.1 本课题的研究背景和意义  17-18
  1.2 图像融合技术的基础理论  18-23
    1.2.1 图像融合的概念  18-20
    1.2.2 图像融合的层次  20-22
    1.2.3 图像融合的基本流程  22-23
  1.3 像素级图像融合方法综述  23-26
  1.4 图像融合技术的发展现状  26-28
    1.4.1 图像融合技术的发展及应用  26-27
    1.4.2 需解决的关键问题  27-28
  1.5 本文主要研究内容  28-31
第二章图像预处理技术  31-43
  2.1 引言  31
  2.2 图像融合的滤波处理  31-37
    2.2.1 常见图像滤波方法的分析与研究  32-35
    2.2.2 一种新的改进型中值滤波器  35-36
    2.2.3 图像去噪实验及结果分析  36-37
  2.3 多源图像配准技术  37-42
    2.3.1 图像配准的原理及方法  38-39
    2.3.2 基于最大互信息的多源图像配准  39-40
    2.3.3 图像配准实验及结果分析  40-42
  2.4 本章小结  42-43
第三章基于小波包分析的图像融合方法  43-58
  3.1 引言  43
  3.2 小波包分析理论  43-46
    3.2.1 小波包的定义  43-45
    3.2.2 图像的小波包变换及Mallat算法  45-46
  3.3 基于离散小波包变换的图像融合算法  46-50
    3.3.1 不同融合策略的比较与分析  47-48
    3.3.2 一种新的基于区域特征选择的融合规则  48-50
  3.4 图像融合实验及结果分析  50-56
    3.4.1 选择小波基函数  50-51
    3.4.2 图像融合实验结果  51-54
    3.4.3 融合效果的客观评价  54-56
  3.5 本章小结  56-58
第四章基于第二代小波变换的图像融合方法  58-71
  4.1 引言  58
  4.2 利用提升方案构造小波变换  58-63
    4.2.1 提升方案的基本原理  59-60
    4.2.2 双正交小波提升格式系数的求解方法  60-63
  4.3 基于第二代小波变换的图像融合算法  63-66
    4.3.1 图像的快速提升小波分解  63-64
    4.3.2 基于提升小波变换的图像融合方案  64-66
  4.4 图像融合实验及结果分析  66-70
  4.5 本章小结  70-71
第五章基于脉冲耦合神经网络的图像融合方法  71-87
  5.1 引言  71
  5.2 脉冲耦合神经网络  71-74
    5.2.1 PCNN的基本模型  71-73
    5.2.2 PCNN的运行机理分析  73-74
  5.3 基于改进型脉冲耦合神经网络的图像融合  74-80
    5.3.1 PCNN模型的改进  75
    5.3.2 基于改进型脉冲耦合神经网络的图像融合算法  75-77
    5.3.3 图像融合实验及结果分析  77-80
  5.4 基于PCNN的多分辨率图像融合  80-86
    5.4.1 基于PCNN的多分辨率图像融合算法  80-82
    5.4.2 图像融合实验及结果分析  82-86
  5.5 本章小结  86-87
第六章多源图像融合效果的综合评价  87-101
  6.1 引言  87
  6.2 图像融合质量的主观评价方法  87-88
  6.3 图像融合质量的客观评价准则  88-94
  6.4 图像融合方法中有关问题的分析与讨论  94-100
    6.4.1 图像分解层数对融合效果的影响  95-98
    6.4.2 融合区域的大小对融合效果的影响  98
    6.4.3 不同图像融合方法的性能评价和比较  98-100
  6.5 本章小结  100-101
第七章图像融合技术的应用探讨  101-114
  7.1 引言  101-102
  7.2 高空间分辨率全色与低空间分辨率多光谱遥感图像融合  102-108
    7.2.1 遥感图像数据特性分析  102-103
    7.2.2 基于提升小波包和IHS变换的遥感图像融合  103-105
    7.2.3 遥感图像融合实例及结果分析  105-108
  7.3 多模态医学图像融合  108-113
    7.3.1 多模态医学图像的成像原理及特点  108-109
    7.3.2 医学图像融合问题分析与方案制定  109-110
    7.3.3 多模态医学图像融合实例  110-113
  7.4 本章小结  113-114
结论  114-117
参考文献  117-126
攻读博士期间发表的论文  126-128
致谢  128

像素级图像融合方法及应用研究

内容摘要

全文目录

相似论文