基于小波分析的像素級(jí)圖像融合算法研究.pdf

1、圖像融合是將兩個(gè)或兩個(gè)以上的傳感器在同一時(shí)間(或不同時(shí)間)獲取的關(guān)于某個(gè)具體場(chǎng)景的圖像或者圖像序列信息加以綜合，以生成一個(gè)新的有關(guān)此場(chǎng)景的圖像。而這個(gè)圖像是從單一傳感器獲取的信息中無(wú)法得到的。圖像融合的目的是減少不確定性。小波變換以其良好的時(shí)頻局部化特性，在圖像融合領(lǐng)域取得了廣泛的應(yīng)用，并已成為圖像融合技術(shù)研究的熱點(diǎn)。本文主要針對(duì)基于小波分析的像素級(jí)圖像融合算法進(jìn)行探索，研究了基于Mallat小波變換、提升小波變換以及非下采樣Conto

2、urlet變換(NSCT)的像素級(jí)圖像融合算法。通過(guò)理論分析和融合實(shí)驗(yàn)，得到了一系列有價(jià)值的結(jié)論。具體的工作內(nèi)容如下：
　　 (1)闡述了圖像融合的研究背景及意義、國(guó)內(nèi)外研究現(xiàn)狀等，總結(jié)了像素級(jí)圖像融合的典型算法和評(píng)價(jià)準(zhǔn)則。
　　 (2)重點(diǎn)研究了基于Mallat小波變換的圖像融合算法?？偨Y(jié)了小波域常用的融合規(guī)則，在此基礎(chǔ)上本文提出了一種基于小波變換的圖像融合改進(jìn)算法。改進(jìn)算法對(duì)低頻系數(shù)采用基于區(qū)域能量自適應(yīng)加權(quán)的方法，

3、能夠較好地提取源圖像的輪廓信息；高頻采用基于區(qū)域強(qiáng)度比的加權(quán)融合策略，更好地提取了源圖像的細(xì)節(jié)信息。并且針對(duì)高、低頻系數(shù)的不同特征，在計(jì)算低頻區(qū)域能量和高頻區(qū)域強(qiáng)度時(shí)選擇不同的窗口函數(shù)。實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法的融合圖像大大提高了邊緣融合質(zhì)量指標(biāo)(EFQI)和加權(quán)融合質(zhì)量指標(biāo)(WFQI)。
　　 (3)針對(duì)傳統(tǒng)的小波變換的融合方法運(yùn)算速度慢，對(duì)內(nèi)存的需求量大，不適于實(shí)時(shí)應(yīng)用的局限性，本文提出了一種基于提升小波變換的圖像融合改進(jìn)算法

4、。針對(duì)提升小波分解后的低頻和高頻分量各自的特點(diǎn)，選用不同的規(guī)則進(jìn)行融合，即低頻系數(shù)采用基于鄰域空間頻率加一致性檢驗(yàn)，高頻系數(shù)采用基于像素點(diǎn)的絕對(duì)值取最大的融合策略。實(shí)驗(yàn)結(jié)果表明，當(dāng)采用平均梯度、標(biāo)準(zhǔn)差和空間頻率誤差比率作為客觀評(píng)價(jià)準(zhǔn)則，該算法的融合圖像比拉普拉斯金字塔融合圖像和傳統(tǒng)的小波變換的融合圖像具有更好的融合效果。
　　 (4)由于傳統(tǒng)小波變換缺乏平移不變性和方向敏感性，而NSCT具有完全平移不變性和優(yōu)良的方向選擇特性，并

5、且變換后各層上的圖像保持相同的尺寸，能夠進(jìn)行信息的附加，因此本文提出了一種基于NSCT的圖像融合改進(jìn)算法。圖像經(jīng)NSCT分解后的低頻部分采用基于區(qū)域能量自適應(yīng)加權(quán)的方法，對(duì)不同分解層的高頻子帶選取不同的融合規(guī)則，即在最高分解層的高頻子帶采用像素值的絕對(duì)值取大，其它較低分解層的高頻子帶采用區(qū)域強(qiáng)度比的加權(quán)選擇融合策略。盡管基于NSCT的圖像融合的計(jì)算復(fù)雜度有所增加，但是融合圖像在視覺(jué)效果和量化指標(biāo)上優(yōu)于小波變換和Contourlet變換的