基于改進的Contourlet變換的圖像融合算法研究.pdf

1、近年來，隨著圖像傳感器技術的發(fā)展，圖像融合在機器視覺、醫(yī)療診斷、遙感影像分析等各個領域都得到了廣泛的應用與發(fā)展，其融合算法也是近年來中外學者研究的熱點與難點。針對傳統(tǒng)基于空間域方法得到的融合圖像存在細節(jié)表現(xiàn)力差、對比度低、塊狀效應等問題，基于多尺度幾何分析的圖像融合方法成為近年來研究的重點。基于小波變換的算法與基于Contourlet變換的算法是常用的圖像融合算法，但小波變換只能捕獲有限的方向信息，Contourlet變換因缺乏平移不變

2、性而易產生偽吉布斯效應。本論文在基于改進的Contourlet變換的圖像分析基礎上，將聚焦區(qū)域檢測技術、改進的脈沖耦合神經網絡(IPCNN)、模糊邏輯以及方向權重拉普拉斯能量和(SDWL)引入圖像融合算法中，分別提出了兩種針對不同種類圖像的融合新算法。本文的主要工作內容以及創(chuàng)新點如下：
　　(1)研究了二維小波變換、Contourlet變換和改進的 Contourlet變換的基本原理和特點。針對小波變換只能捕獲有限的方向信息以及C

3、ontourlet變換頻率局部化特性較差的缺點，選取改進的Contourlet變換作為多尺度幾何分析工具對待融合圖像進行分析處理。理論分析和實驗結果表明，改進的Contourlet變換具有良好的稀疏性、各向異性和頻率局部化特性。
　　(2)針對單純基于多尺度幾何分析的多聚焦融合圖像聚焦精確性不高的問題，提出了一種基于改進的Contourlet變換與聚焦區(qū)域檢測的多聚焦圖像融合算法。首先，通過初始融合圖像檢測出待融合圖像中大致的聚焦

4、區(qū)域，然后利用形態(tài)學開閉運算對檢測到的聚焦區(qū)域進行校正，最后在確定的聚焦區(qū)域上利用IPCNN得到融合圖像。理論分析與實驗結果表明，該算法能更精確的檢測出源圖像中的聚焦區(qū)域，從而進一步提高多聚焦圖像融合的效果。
　　(3)針對變換域中基于局部區(qū)域的融合規(guī)則對分解系數(shù)多方向性利用率不高的問題，本文提出了一種基于改進的Contourlet變換與方向權重拉普拉斯能量和的多光譜與全色圖像融合算法。該算法設計了能與圖像分解系數(shù)的多方向特性相匹