基于稀疏表示的圖像融合算法研究.pdf

1、圖像融合技術(shù)能充分彌補(bǔ)單一傳感器的不足，獲得更加可靠、準(zhǔn)確和全面的圖像數(shù)據(jù)。圖像融合技術(shù)已經(jīng)全面的應(yīng)用于遙感、軍事、醫(yī)療衛(wèi)生等各個(gè)方面。目前圖像融合的研究領(lǐng)域主要集中在基于圖像稀疏表示的融合方法上，其中包括基于多尺度分解的融合方法和基于冗余字典分解的融合方法，但是兩種方法均存在著各自的不足。因此本文將以此為出發(fā)點(diǎn)，尋找性能上更優(yōu)的圖像融合方法。其次，目前對(duì)圖像融合的客觀質(zhì)量評(píng)價(jià)大多依據(jù)經(jīng)驗(yàn)選擇，缺少關(guān)于如何合理選擇客觀評(píng)價(jià)指標(biāo)集的研究，

2、因此本文將對(duì)圖像融合客觀評(píng)價(jià)指標(biāo)集的遴選方法進(jìn)行研究。
　　本文提出了基于NSST和SR相結(jié)合的圖像融合算法。本文首先研究基于多尺度的圖像融合方法，分別對(duì)小波（DWT）、曲線波（CVT）、非下采樣輪廓波（NSCT）和非下采樣剪切波（NSST）進(jìn)行研究，通過(guò)對(duì)比實(shí)驗(yàn)分析得到了基于多尺度圖像融合中分解層數(shù)的選擇和濾波器的選擇標(biāo)準(zhǔn)，同時(shí)論證了NSST的圖像融合在基于多尺度圖像融合方法中的優(yōu)勢(shì)。本文接著研究了基于分支字典的圖像融合方法(S

3、R)，通過(guò)對(duì)無(wú)污染圖像、噪聲圖像和失配圖像的實(shí)驗(yàn)，證明了SR能夠改善融合系統(tǒng)的魯棒性。在兩種算法研究的基礎(chǔ)上，選擇NSST和SR，本文通過(guò)實(shí)驗(yàn)分析對(duì)比兩種算法的優(yōu)缺點(diǎn)，發(fā)現(xiàn)了它們存在著互補(bǔ)特性，基于此提出了基于 NSST和SR相結(jié)合的圖像融合算法。該方法首先對(duì)圖像進(jìn)行NSST分解，然后在低頻子帶，采用學(xué)習(xí)得到的字典對(duì)低頻圖像通過(guò)SR方法進(jìn)行融合，在高頻子帶以區(qū)域能量為顯著性指標(biāo)進(jìn)行融合，最后通過(guò) NSST逆變換得到融合結(jié)果。對(duì)于提出的算

4、法，本文接著通過(guò)對(duì)多聚焦圖像、紅外可見(jiàn)光圖像、以及醫(yī)學(xué)圖像進(jìn)行實(shí)驗(yàn)驗(yàn)證該算法的優(yōu)勢(shì)。本文的研究證明了基于NSST和SR相結(jié)合的圖像融合算法能夠充分保留其優(yōu)勢(shì)，彌補(bǔ)其不足，優(yōu)于NSST和SR兩種算法本身。
　　本文以多聚焦圖像融合為應(yīng)用背景，提出了一種圖像融合客觀評(píng)價(jià)指標(biāo)集的選擇方法。該方法首先通過(guò)圖像融合客觀評(píng)價(jià)指標(biāo)進(jìn)行相關(guān)性分析。接著通過(guò)相關(guān)性對(duì)指標(biāo)進(jìn)行聚類(lèi)。然后針對(duì)多聚焦圖像的具體應(yīng)用，分別在無(wú)污染圖像、噪聲圖像、失配圖像三種