论文部分内容阅读
受光学系统景深的限制,可见光成像系统对目标区域的聚焦范围是受限的,因而在同一场景内生成的图像中只有聚焦点附近是清晰的。多聚焦图像融合是指对两幅或者多幅具有不同聚焦度的图像做融合处理,使得融合图像对人眼识别和计算机的处理及分析更加有利,已经被广泛地应用于目标识别、机器视觉、数码相机等领域中,因而多聚焦图像融合的实现非常具有实践意义。目前,多聚焦图像融合方法可概括为两类:一类是基于空域的图像融合方法,该类方法通常运算速度较快,但是融合图像中通常会有块效应产生。另一类是基于变换域的图像融合方法,该类算法得到的融合图像通常会伴随着图像扭曲和人造纹理等现象。本文针对多聚焦图像融合算法现有问题,利用卷积神经网络不需要对图像进行复杂前期预处理就可以得到原始图像特征的特性,提出了两种基于卷积神经网络的多聚焦图像融合算法。另外,为了更好的对图像融合算法得到的图像进行质量评价,本文还提出了一种基于双谱分析的图像融合质量客观评价算法。本论文的主要工作内容如下:(1)基于卷积神经网络的非下采样剪切波域多聚焦图像融合算法为了解决多聚焦图像融合中存在的失真和信息丢失问题,本文结合非下采样剪切波变换(Non-subsampled shearlet transform,NSST)时频分离的优点提出了一种基于卷积神经网络的NSST域多聚焦图像融合算法。首先,对源图像进行NSST分解,其次对分解的低频系数进行基于卷积神经网络的图像融合,然后对分解的高频系数进行基于向导滤波的改进的拉普拉斯能量和模取大的图像融合,最后将融合后的系数进行NSST反变换得到融合后的图像。该算法既充分地保留了源图像的细节信息又使图像空间连续性得到了提升。(2)基于无监督卷积神经网络的多聚焦图像融合算法由于卷积神经网络执行的是有监督的训练,而多聚焦图像融合处理并不需要原始图像与结果图像之间的对应关系,只是需要得到源图像的具有区分清晰度的特征,因此本文提出了一种基于无监督卷积神经网络特征提取算法的多聚焦图像融合算法。本文利用简单的两层卷积神经网络提取源图像的特征,再通过稀疏向量的2范数取大的融合策略获得最终图像。通过实验分析可知,此算法在主观视觉效果和客观评价指标上优于其它算法。(3)基于双谱分析的图像融合质量客观评价算法针对现有图像质量评价指标忽略图像的相位信息这一问题,本文在分析了信号双谱特性的基础上提出了一种基于双谱分析的图像融合质量客观评价算法。本文提出的评价指标可以有效地对融合图像质量进行评估,并且符合人类视觉感受。实验结果表明本文提出的评价指标克服了极端情况下其它客观评价算法不能有效评估融合图像的质量这一问题。最后,本文还将上述的算法通过MATLAB GUI生成了一个图像融合演示软件,从而更加简单直观地说明融合算法和客观评价算法的效果。