剪切波變換在圖像融合中的應(yīng)用研究.pdf

1、圖像融合是一個(gè)將源自不同傳感器的多幅圖像中的重要信息融合到一幅圖像的過程，可以克服單一傳感器圖像的局限性和差異性，獲取更為全面和準(zhǔn)確的場景描述，提高圖像的清晰度和可理解性，以便進(jìn)一步的圖像分析和處理。圖像融合技術(shù)作為一個(gè)涵蓋了傳感器技術(shù)、信號(hào)處理技術(shù)、計(jì)算機(jī)技術(shù)和人工智能等多種學(xué)科的綜合技術(shù)，近年來，在醫(yī)學(xué)、軍事、遙感以及氣象預(yù)報(bào)等多個(gè)領(lǐng)域都得到廣泛的應(yīng)用。本文將剪切波變換以及非下采樣剪切波變換應(yīng)用于圖像融合中，致力于研究新的圖像融合算

2、法。
　　首先，本文研究了基于剪切波的多聚焦圖像融合算法。根據(jù)多聚焦圖像的成像特點(diǎn)以及剪切波分解系數(shù)特點(diǎn)，提出了一種基于循環(huán)平移剪切波變換的圖像融合算法，該算法采用基于區(qū)域SML(Sum-modified-Laplacian，改進(jìn)的拉普拉斯能量和)值加權(quán)的低頻融合規(guī)則和區(qū)域SML值取大的高頻融合規(guī)則。實(shí)驗(yàn)結(jié)果表明該算法獲得的融合圖像具有清晰度高和細(xì)節(jié)紋理信息豐富的優(yōu)點(diǎn)。
　　其次，本文研究了基于非下采樣剪切波的紅外圖像與可見

3、光圖像融合算法。根據(jù)紅外圖像與可見光圖像的特點(diǎn)以及人類視覺特性，提出了一種基于目標(biāo)提取和自適應(yīng)PCNN(pulse coupled neural network，脈沖耦合神經(jīng)網(wǎng)絡(luò))的非下采樣剪切波域紅外與可見光圖像融合算法，其中目標(biāo)區(qū)域和背景區(qū)域分別采用不同的融合規(guī)則進(jìn)行融合。實(shí)驗(yàn)結(jié)果表明該算法能夠很好地融合紅外圖像的目標(biāo)信息與可見光圖像中的背景信息。
　　最后，本文研究了基于非下采樣剪切波的醫(yī)學(xué)彩色圖像融合算法。根據(jù)醫(yī)學(xué)圖像的成