论文部分内容阅读
图像融合就是将来自不同类别传感器的多幅源图像按照融合算法有效地合成为一幅包含丰富信息的高质量融合图,所得到的图像不仅包含源图像的绝大多数信息,而且只需存储一副图像,大大节省了存储空间。这对于机器视觉、人类感知及后续的其它处理是非常有益的。本文在分析当前多源图像融合算法存在缺陷的基础之上,对基于多尺度变换的融合方法进行深入研究。首先,为了依据图像的自身特性提取特征,提出了二维集合经验模态分解的红外与可见光图像融合方法。其次,结合非下采样Contourlet变换具有的多尺度和多方向特性,对当前融合规则进行改进,提出了基于NSCT与拉普拉斯能量和相结合的CT和MR图像融合。最后,针对多聚焦图像的成像特点提出了基于NSST和PCNN的多聚焦图像融合。具体的研究工作如下:1、多尺度几何分析的图像融合方法主要依赖滤波器分解图像,而基于二维经验模态分解的融合方法是基于图像的自身特性分解图像的,并不依赖于滤波器,而且具有较好的表现力,可以很好地实现图像的多尺度分解。尽管如此,但是该分解方法在分解过程容易出现模态混叠,它的存在或多或少都会干扰特征提取,影响最终融合图像的质量。为了获得更高质量的红外与可见光融合图,提出二维集合经验模态分解的红外与可见光图像融合方法。首先,利用高斯白噪声的辅助分析能力,通过构造的噪声模型生成一个含高斯白噪声的图像序列,使用提出的二维集合经验模态分解算法分解图像序列获得对应的高频分量和低频分量;其次,对分解获得的高频分量使用局部区域能量选择与加权的融合策略进行融合,对低频分量使用高斯模糊逻辑的融合规则进行融合;最后,将融合后的高频分量和低频分量叠加获得最终的融合图像。实验结果表明:该算法能够很好地保持红外图像的边缘细节和可见光图像的背景信息,具有较好的视觉效果。2、针对特征信息融合不完全,融合过程存在信息损失的问题,提出NSCT和拉普拉斯能量和相结合的CT和MR图像融合算法。由于NSCT具有平移不变性,可以更好地保留图像边缘纹理等细节信息,所以使用NSCT分解CT图像和MR图像;将分解获得的低频子带使用改进的拉普拉斯能量和的融合策略进行融合,高频子带使用改进的局部区域方差的融合策略进行融合;最后将融合后的低频子带和高频子带进行逆变换获得CT和MR的融合图。最终的实验表明:该算法可以高效的融合医学图像。3、为了进一步提高多聚焦图像的融合质量,获得更好地视觉效果,提出基于NSST和PCNN的多聚焦图像融合方法。首先,使用NSST变换将多聚焦图像进行多级分解。其次,将获得的高频子带使用PCNN模型进行融合,使用基于能量属性的融合规则融合低频子带。最后,将融合后的高频子带和低频子带重构获得融合图像。通过仿真实验表明该算法在边缘和纹理信息保持方面优于其它算法。