基于非下采樣Shearlet變換域的圖像融合及去噪算法研究.pdf

1、圖像融合是充分利用各源圖像之間的冗余和互補信息,使得融合后的圖像可信度、分辨率更高,更適合人類視覺感知和計算機后續(xù)處理。圖像去噪是指在保留圖像特征和細節(jié)信息的前提下,盡可能地減少和去除噪聲。圖像的融合及去噪都是圖像的預處理,其處理效果的好壞對后續(xù)的圖像處理如紋理分析、特征提取、模式識別等都要重要的影響,因此對圖像融合及去噪的研究有著非常重要的意義。
　　非下采樣Shearlet變換(NSST)是最新提出的一種多尺度幾何分析工具,它

2、擁有優(yōu)良的特性,如它具有非常好的方向敏感性、良好的局部時頻特性,另外還是一種接近最優(yōu)的多維函數(shù)“稀疏”表示,這就決定了其可以很好的應用到圖像融合與去噪中。本文主要工作如下:
　　1.介紹了圖像融合及去噪的發(fā)展歷程,給出了非下采樣Shearlet變換的原理及實現(xiàn)過程。
　　2.介紹了脈沖耦合神經(jīng)網(wǎng)絡(PCNN)的一般原理。提出了一種NSST與PCNN相結合的圖像融合算法。對經(jīng)過NSST變換后的高頻子帶系數(shù)采用一種改進的空間頻率

3、作為PCNN輸入,且采用改進的拉普拉斯能量和作為PCNN的鏈接強度。實驗結果表明,本文提出的算法不僅在主觀視覺上取得較好的效果,而且在客觀標準上也有了一定的提高。
　　3.提出一種基于正態(tài)逆高斯模型的非下采樣Shearlet變換圖像去噪算法。首先對經(jīng)過NSST分解后的高頻子帶系數(shù)以正態(tài)逆高斯模型為先驗模型進行統(tǒng)計建模,估計出每個子帶內(nèi)的模型參數(shù),然后在貝葉斯最大后驗概率估計準則下推導出與正態(tài)逆高斯模型相對應的可變的閾值函數(shù)表達式。