论文部分内容阅读
随着科技的进步,光学设备成像系统的分辨率正在变得越来越高,但是,由于现有的成像设备成像范围有限,很难做到同幅图中的所有对象都是清晰的,为此,多源图像融合技术相继被学者们提出,尽可能地确保同幅图中的所有对象都是清晰的,并且该方法在许多领域得到了快速的发展。首先,本文对图像融合的一些概况进行了详细介绍,例如背景、意义、国内外研究现状等。其次,从频域和时域两方面分别介绍了几种传统的多源图像融合方法,以及主观和客观两种评价方法。再次,本文通过对离散小波变换(Discrete wavelet transform,DWT)、拉普拉斯金字塔变换(Laplacian pyramid transform,LPT)、非下采样轮廓波变换(Non-subsampled contourlet transform,NSCT)以及非下采样剪切波变换(Non-subsampled shearlet transform,NSST)四种多尺度变换方法分别对多组图像进行融合,通过大量的实验对比分析,验证了NSST算法的优越性。通过对脉冲耦合神经网络(Pulse coupled neural network,PCNN)、改进型脉冲耦合神经网络(Simplified pulse coupled neural network,S-PCNN)以及双通道自适应脉冲耦合神经网络(Dual channel adaptive pulse coupled neural network,DCAPCNN)分别进行图像融合实验,验证了自适应DCPCNN的优越性。最后,在原有算法的基础上提出了在NSST域内多统计特性和自适DCPCNN相结合的多源图像融合算法,本文算法低频部分采用将计算得到的局域方差、新改进的拉普拉斯能量和(New sum of modified Laplacian,NSML)以及改进的空间(Modified spatial frequency,MSF)三个统计特性进行加权平均后作为自适应DCPCNN的链接自适应选择输入的融合规则进行融合;高频采用相位一致性的融合规则,最后通过NSST逆变换得到融合效果图,与已有算法进行实验对比,从主观和客观两方面分别对实验结果和数据进行分析,验证了所提算法的有效性。