紅外光與可見光圖像超小波域融合方法研究.pdf

1、圖像是人類感知的重要信息源。隨著圖像采集方式的增加，現(xiàn)代圖像處理系統(tǒng)對圖像融合的要求也在不斷提高。不同圖像源的融合要求和融合目的并不完全一致，融合算法也不盡相同。紅外光與可見光圖像融合技術(shù)能夠提取不同波段圖像的特征，使融合后的圖像可獲得更好的目標(biāo)特性和清晰的場景信息。
　　本論文主要研究了基于超小波域的紅外光與可見光圖像融合算法。重點探討了兩種超小波變換的主要思想及實現(xiàn)過程，一種是較新穎的Tetrolet變換，另一種為較為完善的N

2、SCT。提出兩種改進(jìn)的融合算法：基于PCNN及區(qū)域能量的Tetrolet域融合算法和基于區(qū)域能量及圖像自相似的NSCT域融合算法，以進(jìn)一步提高算法的實用性能。本論文的主要研究工作包括：
　　1.為了克服Tetrolet變換在圖像融合時易出現(xiàn)方塊效應(yīng)的問題，提出了一種基于改進(jìn)的Tetrolet變換的紅外光與可見光圖像融合算法。首先對Tetrolet變換的模板選擇進(jìn)行改進(jìn)，盡可能地減少圖像高頻信息的丟失，并利用改進(jìn)后的Tetrolet

3、變換對源圖像分解；對區(qū)域能量進(jìn)行加權(quán)，應(yīng)用到圖像低頻系數(shù)的融合中，使圖像目標(biāo)更加突出，并能保留更多的圖像背景信息；對脈沖耦合神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，并選其作為圖像高頻系數(shù)的融合規(guī)則，使融合后的高頻系數(shù)可以保留更多的圖像細(xì)節(jié)信息。實驗結(jié)果表明，對 Tetrolet變換的改進(jìn)更有利于保存源圖像的高頻信息，該融合算法不僅增強(qiáng)了圖像對比度，改善了主觀視覺效果，也提高了融合圖像的客觀評價指標(biāo)。且該算法不僅適用于紅外光與可見光圖像融合，在其他多傳感器圖像

4、融合領(lǐng)域也有良好效果。
　　2. NSCT是一種改進(jìn)的Contourlet變換，不僅具有平移不變性還擁有足夠的冗余信息，這可以更有效地提取源圖像中的方向信息，使得融合后的圖像更符合人眼的視覺特性。利用上述NSCT在圖像處理中的優(yōu)勢，提出了一種新的NSCT域紅外光與可見光圖像融合算法。首先利用NSCT將圖像分解為一個低頻子帶和多個不同方向的帶通子帶；對低頻子帶采用區(qū)域能量自適應(yīng)加權(quán)融合規(guī)則，帶通方向子帶則利用圖像自相似進(jìn)行系數(shù)的融合