像素級圖像融合研究.pdf

1、圖像融合作為一個新興的科研領域有著廣闊的發(fā)展前景。它通過提取和綜合來自多個傳感器圖像的信息，獲得對同一場景(或目標)的更為準確、全面、可靠的圖像描述，以便對圖像進行進一步的分析、理解以及目標的檢測、識別或跟蹤?？梢灶A見，隨著多傳感器圖像融合相關理論的不斷發(fā)展和完善，它在軍事、遙感、機器人、醫(yī)學圖像處理以及計算機視覺等領域必將有著更廣泛的應用前景。經過將近三十年的發(fā)展，圖像融合技術的研究已經形成了一定的規(guī)模，國內外已開發(fā)出多種融合系統(tǒng)，但

2、這并不表明該項技術已經完善。從目前的情況來看，圖像融合技術還存在許多理論和技術方面的問題有待解決。尤其需要指出的是圖像融合技術在國內所進行的研究相對于國際上的研究工作起步較晚，還處于落后狀態(tài)。因此迫切需要進行廣泛深入的基礎理論和基礎技術的研究工作。 本文圍繞像素級圖像融合問題，應用自動聚焦、神經網絡、多尺度分解等理論和方法對像素級圖像融合進行了深入、系統(tǒng)地研究。在第二章和第三章中，首先研究了基于空間域(圖像塊分割)的圖像融合方法

3、；在第四章中，本文研究了基于多尺度分解(小波)的圖像融合方法。在對多尺度分解方法的研究中，本文研究了圖像低頻部分的融合，同時也研究了高頻部分的融合；在第五章中，本文還研究了圖像融合的客觀評價指標。 本文的主要研究成果如下： 1.針對多聚焦圖像融合中圖像塊(或者像素)的清晰度的評價進行了研究。將圖像的清晰度評判與自動聚焦領域的聚焦評價函數(shù)相結合，在多聚焦圖像融合中使用聚焦評價函數(shù)來評價圖像塊(或者像素)的清晰度。給出了在多

4、聚焦圖像融合中評估聚焦評價函數(shù)的方法，并評估了這些聚焦評價函數(shù)用在多聚焦圖像融合中的性能。由該評估方法得到的結果對多聚焦圖像融合算法有一定的指導意義。同時，該評估方法也可用在自動聚焦領域對聚焦評價函數(shù)進行評估。 2.將拉普拉斯算子作為圖像塊的清晰度評價指標，結合基于生物視覺的脈沖耦合神經網絡，提出了一種新的多聚焦圖像融合方法。該方法充分利用了基于生物視覺的神經網絡，取得了比較好的融合效果。仿真實驗表明該方法要優(yōu)于作為比較的傳統(tǒng)算

5、法。 3.針對基于多尺度分解的圖像融合方法中的低頻分量的融合進行了研究。將原有的多傳感器成像模型進行分解，得到低頻分量的成像模型，根據(jù)低頻分量的模型推導出了低頻分量的融合公式。由于將低頻分量的融合建立在了模型之上，所以融合的效果要好于簡單的平均方法，使得融合后圖像的對比度得到保持。 4.針對基于多尺度分解的圖像融合方法中高頻分量的融合進行了研究。提出一種基于后驗概率估計的統(tǒng)計學方法，將高頻分量中父子系數(shù)間的關系加入到融合

6、規(guī)則中，取得了較好的效果。使用該方法得到的融合后圖像的抗噪聲性能要優(yōu)于作為比較的傳統(tǒng)算法。 5.針對多傳感器圖像融合系統(tǒng)的客觀評價指標進行了研究。通過幾個圖像融合實例給出了目前常用的兩個客觀評價指標存在的問題。針對這些存在的問題，并結合圖像融合必須遵守的準則，提出了本文的客觀評價指標。該客觀評價指標由兩部分組成，其中一個部分評價的是融合后圖像從原始輸入圖像中繼承了多少邊緣信息，另一個部分評價的是原始輸入圖像中目標區(qū)域在融合后圖像