论文部分内容阅读
图像融合的目的是在同一场景下得到的多幅图像特征信息加以综合,生成一个新的有关此场景的图像。融合的图像为观察者提供比单一传感器得到的图像信息更为可靠准确,正是因为图像融合技术的特点,它被广泛应用于各种领域,如:机器视觉、特征提取、图像分割、医学图像处理等。图像融合通常在三个层次上进行:像素级、特征级和决策级。本文的主要研究内容是像素级和特征级图像融合,针对现在图像融合算法中存在的一些问题,提出了几种新的图像融合方法,主要工作如下:①.针对Curvelet不能有效提取图像纹理信息的不足,本文提出复方向滤波器组和小波的多聚焦图像融合方法。利用复方向滤波器组多尺度、多方向和近似平移不变性的特性,较好克服Curvelet存在的缺陷,有效地提取图像的纹理信息。②.针对NSCT中计算复杂度高,运行效率低的缺点,以及Contourlet变换域中存在的频谱混叠效应,提出基于循环平移NACT的图像融合方法。将NACT变换域方法应用到图像融合,并通过循环平移操作提高NACT的平移不变性。有效克服了融合图像在奇异点处产生的虚假信息。实验结果表明,该算法有效克服了Contourlet变换中频谱混叠现象,与NSCT相比缩短了运行时间,提高了图像的视觉效果。③.针对支持度变换缺少方向信息及高斯核构造的多尺度滤波器不能有效提取图像的显著特征的缺点,提出基于支持度变换的多聚焦图像融合改进方法。将PDTDFB运用到SVT变换域中以提取图像的方向特征,同时,滤波器的构造过程中使用小波核替代高斯核。实验结果表明,该算法有效提取了图像的方向特征,为融合图像提供更多的信息。这三种方法各有优劣,应用的场合也不同。基于复方向滤波器组合小波的多聚焦图像融合方法在客观评价指标方面提高较为明显,且时间复杂度较低,适用于实时性要求高的系统;基于循环平移NACT的图像融合方法所得到的图像的视觉效果最好,该方法适用于视觉要求较高的系统;基于小波核支持度变换的多聚焦图像融合改进方法有效提取了图像的显著特征,提高了图像的视觉效果,但运算较复杂,耗时较多,适用于时间要求较低,视觉效果较高的应用系统。