论文部分内容阅读
图像融合是信息融合的重要分支和研究热点。随着信息技术的飞速发展,人们对图像质量的要求越来越高,这造成了信号采样、传输和存储的巨大压力,如何缓解这种压力又能有效提取承载在信号中的有用信息是信号与信息处理中急需解决的问题之一。传统的图像融合方法由于数据量巨大已经很难满足实际的需要,因此迫切需要寻求新的理论方法。2006年提出的压缩感知理论为缓解这些压力提供了新的思路。压缩感知是一种基于信息的采样理论框架,它突破了传统Nyquist采样定理的瓶颈,使得高分辨率信号的直接获取成为可能,并已在图像融合领域得到了初步应用。本文围绕着图像融合这条主线,在多尺度变换的图像融合框架下,结合压缩感知理论完成了以下工作：1、提出了一种基于平均梯度加权的压缩感知多聚焦图像融合方法。通过对源图像进行分块并计算每个图像块的平均梯度来确定图像块观测值的融合权值,可以自适应地选择最佳的图像子块融合权值。实验表明该方法对多聚焦图像融合问题能取得较好的效果,且计算复杂度较低。2、提出了一种基于单层小波变换的压缩感知图像融合方法。通过对源图像进行单层小波变换,保留图像的低频子带,只对高频子带进行观测,然后对低频子带和高频子带观测值采用不同的融合规则进行融合,最后通过恢复算法得到融合后的图像。对比实验表明该方法的融合结果无论在主观视觉效果还是客观评价指标上,都可以取得较好的结果。3、提出了一种基于非下采样轮廓波变换(NSCT)的压缩感知图像融合方法。该方法在图像融合过程中引入了结构相似性(SSIM)来衡量源图像经NSCT分解后两对应尺度的高频方向子带的数据相似度,从而更好地设计两对应尺度的高频方向子带的融合规则。对比实验表明该方法能以较小的数据量获得与传统的基于非下采样轮廓波变换的图像融合方法接近的融合效果。本文工作得到了国家自然科学基金(No.61072106),中央高校基本科研业务费专项资金(No.JY10000902045)和高等学校学科创新引智计划(111计划)(No.B07048)的资助。