基于Shearlet和智能優(yōu)化算法的圖像融合方法研究.pdf

1、圖像融合技術(shù)能夠有效地提高圖像信息的利用率、目標(biāo)探測的準(zhǔn)確性及圖像的解譯能力。目前比較流行的融合方法是基于多尺度幾何分析工具的圖像融合方法，其中最具代表性的是Shearlet變換。它不僅克服了小波變換在圖像融合應(yīng)用中信息丟失的不足，與Contourlet變換相比，還成功擺脫了濾波時的方向數(shù)限制，因而得到了廣泛的應(yīng)用。智能優(yōu)化算法作為一種新興的優(yōu)化工具，在優(yōu)化問題中起到了十分重要的作用。其中，遺傳算法和粒子群算法因其自身強(qiáng)大的搜索能力而受

2、到廣大學(xué)者的重視。
　　本文在基于Shearlet變換的圖像融合技術(shù)基礎(chǔ)上，將遺傳算法和粒子群算法引入圖像融合中，分別提出兩種針對不同種類圖像的融合新方法。本文的研究工作和創(chuàng)新點主要包括兩個方面：
　　1.深入研究Shearlet和遺傳算法相關(guān)理論，通過分析遙感圖像的數(shù)據(jù)特征及融合要求，使用具有針對性的客觀評價指標(biāo)構(gòu)造適應(yīng)度函數(shù)并根據(jù)經(jīng)驗對算法相關(guān)參數(shù)進(jìn)行設(shè)置，提出一種基于Shearlet和遺傳算法的遙感圖像融合方法。遺傳算

3、法主要用于對高頻系數(shù)融合策略的加權(quán)因子進(jìn)行優(yōu)化；
　　2.深入研究粒子群算法基礎(chǔ)理論及應(yīng)用，根據(jù)多聚焦圖像的融合需求及圖像成像特點，使用不同評價指標(biāo)構(gòu)造三種不同的目標(biāo)函數(shù)并對粒子群算法的運(yùn)行參數(shù)進(jìn)行設(shè)置，提出基于Shearlet和粒子群算法的多聚焦圖像融合方法。在融合過程中，粒子群算法主要通過粒子追隨最優(yōu)個體來搜索最優(yōu)的加權(quán)系數(shù)。通過對兩種智能優(yōu)化算法進(jìn)行對比分析，充分證明遺傳算法適用于遙感圖像融合，粒子群算法更適用于多聚焦圖像的