论文部分内容阅读
图像融合就是将不同模式下获得的同一场景的各种图像数据的互补信息和冗余信息进行整合,以得到一幅对该场景更好、更准确描述的图像;图像超分辨率重建是对一幅或多幅具有互补信息的低分辨率图像进行处理,以获得分辨率相对较高的重建图像。图像融合及超分辨率重建是图像的预处理,它们的处理效果对于后续的图像检测、纹理分析、特征提取、模式识别等有着重要的影响。因此研究图像融合及超分辨率重建有着重要的意义。小波变换具有良好的时频局部化能力,已广泛应用于图像处理领域。然而传统的小波变换缺乏平移不变性且只有有限的方向选择性,针对这一缺点,近些年学者们提出了一些新型的图像稀疏表示工具,它们可以更稀疏地表示图像的局部特征。本文首先研究了非下采样双树复轮廓波及非下采样四元数轮廓波等几种新型图像稀疏表示工具,并结合压缩感知、稀疏表示以及脉冲耦合神经网络的优势,然后深入探讨了如何将它们应用于图像融合及超分辨率重建中,主要工作如下:1.提出了一种基于非下采样双树复轮廓波变换和压缩感知脉冲耦合神经网络的图像融合算法。首先对源图像进行非下采样双树复轮廓波变换分解;对于低频子带系数,给出了基于区域平均梯度、区域能量和S函数相结合的自适应加权融合规则;对于数据量较大的高频子带系数,给出了基于压缩感知脉冲耦合神经网络理论的融合规则,并将改进的拉普拉斯能量和作为脉冲耦合神经网络的外部输入;最后对融合系数进行逆变换得到融合图像。实验结果表明,所提算法可以有效地提高图像融合的计算效率和质量,相比于其他经典的图像融合算法,可以得到较优的客观指标,较好的视觉效果。2.提出了一种基于非下采样双树复轮廓波变换和稀疏表示的遥感图像融合算法。分析了非下采样双树复轮廓波变换后的高低频系数的特点,对于低频系数,利用稀疏表示进行融合,并对稀疏表示系数给出基于空间频率和l1范数双指标取大的融合规则;对于高频系数,将改进的拉普拉斯能量和作为脉冲耦合神经网络的外部输入项,给出了改进的脉冲耦合神经网络的融合策略。实验结果表明,所提算法可以提高空间分辨率的同时最大限度地保留光谱信息,在视觉效果及客观指标上均优于一些经典的遥感图像融合算法。3.提出了一种基于插值与非下采样四元数轮廓波变换域融合相结合的单幅图像超分辨率重建算法。首先对源图像进行软判决自适应插值和三次样条插值:然后对两幅插值图像进行非下采样四元数轮廓波变换分解,对于低频子带系数,给出了基于区域平均梯度、区域能量和S函数相结合的自适应加权融合规则;对于高频子带系数,给出了一种基于改进的拉普拉斯能量和与加权分析法相结合的融合规则;最后对融合系数进行逆变换得到高分辨率重建图像。实验结果表明,所提算法在峰值信噪比、结构相似性及视觉效果上均优于许多经典的重建算法。