基于Shearlet的圖像融合研究.pdf

1、圖像融合在近三十年的研究歷程中,取得了豐富的研究成果,并在監(jiān)控、醫(yī)療、遙感等領(lǐng)域得到了廣泛應(yīng)用。傳統(tǒng)的變換域圖像融合方法通?；谀撤N多尺度變換,如各類金字塔變換、小波變換、超小波變換等等。Shearlet變換是近幾年提出和逐漸成熟的超小波變換的一種,克服了傳統(tǒng)小波變換缺乏方向表達(dá)能力的缺點(diǎn)同時(shí)能采用相同的方式處理離散和連續(xù)數(shù)據(jù),目前基于Shearlet變換的圖像融合研究相對(duì)較少。從實(shí)現(xiàn)上Shearlet變換分為頻域Shearlet變換實(shí)

2、現(xiàn)和空域Shearlet變換實(shí)現(xiàn)兩類。本文以基于Shearlet變換的圖像融合方法為研究課題,重點(diǎn)研究了基于不同類型Shearlet變換的不同場合的圖像融合方法。研究內(nèi)容主要分為四部分:
　　基于Shearlet變換的通用圖像融合框架:提出基于頻域和空域的Shearlet變換的融合方法。其中,緊支Shearlet變換屬于空域Shearlet變換的一種,傳統(tǒng)的緊支Shearlet變換實(shí)現(xiàn)是移變的。移變性會(huì)導(dǎo)致融合圖像中出現(xiàn)失真。本文

3、研究了結(jié)合基于cycle spinning的融合方法——通過后處理的方式消除融合圖像中的失真,和直接消除變換移變性的融合方法——利用雙樹結(jié)構(gòu)構(gòu)造(幾乎)移不變的雙樹緊支Shearlet變換,再將其應(yīng)用到融合算法中,達(dá)到提升融合圖像質(zhì)量的目的。通過多組數(shù)據(jù)評(píng)估融合方法的性能。
　　基于雙樹緊支Shearlet變換的多焦距圖像融合方法:提出基于雙樹緊支Shearlet變換和多方向決定圖的多焦距圖像融合方法,在通用融合方法的基礎(chǔ)上進(jìn)一步

4、提升多焦距融合圖像的性能。
　　基于Shearlet變換和PCA、IHS變換的遙感圖像融合方法:遙感圖像融合又稱全色銳化。本文提出基于Shearlet變換結(jié)合PCA、IHS變換的遙感圖像融合方法,并通過IKONOS和 Quick Bird衛(wèi)星遙感圖像性能評(píng)估。實(shí)驗(yàn)表明本基于雙樹Shearlet變換的遙感圖像融合方法性能優(yōu)于基于頻域Shearlet變換或小波、曲波等變換的融合方法。
　　基于Shearlet變換的三維磁共振圖像

5、融合方法:越來越多的醫(yī)學(xué)設(shè)備能采集和生成人體結(jié)構(gòu)的三維圖像,傳統(tǒng)的圖像融合研究主要針對(duì)二維圖像的情況,直接將其應(yīng)用于三維圖像融合,會(huì)導(dǎo)致第三維信息的損失。本文提出基于Shearlet變換的三維磁共振圖像融合方法:首先將雙樹緊支Shearlet變換推廣至三維,并結(jié)合圖像結(jié)構(gòu)張量,提出基于組織結(jié)構(gòu)類型的特征級(jí)三維醫(yī)學(xué)圖像融合方法。通過多組T2*和磁量圖人腦磁共振圖像對(duì)算法性能進(jìn)行驗(yàn)證評(píng)估。發(fā)現(xiàn)基于三維雙樹Shearlet變換和結(jié)構(gòu)張量的方法