基于多尺度分解的多傳感器圖像融合算法研究.pdf

1、圖像融合是信息融合的一個重要分支，也是圖像理解和計算機(jī)視覺中的一項重要技術(shù)。圖像融合是將同一場景的多幅圖像進(jìn)行綜合以得到關(guān)于該場景更為全面、更為準(zhǔn)確描述的信息處理過程。圖像融合可以為進(jìn)一步的圖像處理，如圖像分割、目標(biāo)檢測與識別、戰(zhàn)損評估與理解等提供更有效的信息。目前，圖像融合技術(shù)已廣泛應(yīng)用于遙感、軍事、機(jī)器人以及醫(yī)學(xué)處理等領(lǐng)域。 本論文主要研究了基于多尺度分解的多源圖像融合算法。針對現(xiàn)有大多融合算法沒有考慮圖像固有特性的問題，本

2、論文對圖像傳感器的成像機(jī)理、源圖像的成像特性等先驗信息進(jìn)行了綜合分析，圍繞冗余小波變換及無下采樣Contourlet變換等多尺度幾何分析工具，提出了多種與源圖像特性相適應(yīng)的圖像融合算法。 本文的主要研究工作和創(chuàng)新成果如下： 1．針對正交離散小波變換中由于移變性而產(chǎn)生振鈴效應(yīng)的問題，提出了一種基于冗余小波變換的灰度多聚焦圖像融合算法。在該算法中，根據(jù)離焦光學(xué)系統(tǒng)具有低通濾波特性，可按照源圖像中的高頻細(xì)節(jié)信息來判斷源圖像中的

3、聚焦區(qū)域與離焦區(qū)域這一理論依據(jù)，在冗余小波變換域引入了區(qū)域向量范數(shù)和局部對比度量測算子，并分別制定了基于區(qū)域向量范數(shù)的低頻系數(shù)融合策略和基于局部對比度的高頻系數(shù)融合策略。該算法較好保留了源圖像中的有用信息，能有效消除振鈴效應(yīng)，得到整幅圖像均聚焦清晰的圖像。 2．結(jié)合無下采樣Contourlet變換所具有的多尺度性、多方向性以及平移不變性等優(yōu)良特性，提出了基于無下采樣Contourlet變換的圖像融合框架，并根據(jù)紅外圖像和可見光圖

4、像各自的成像特性，提出了兩種基于無下采樣Contourlet變換的紅外與可見光融合算法。在基于窗口選擇的融合算法中，提出了以局部能量和局部方差作為量測算子的低頻子帶系數(shù)融合策略及以局部方向?qū)Ρ榷茸鳛榱繙y算子的高頻方向子帶融合策略，該算法有效融合了紅外圖像中的熱目標(biāo)信息及可見光圖像中的豐富光譜信息。在基于區(qū)域分割的融合算法中，采取了區(qū)域融合的思想，并定義了區(qū)域能量比和區(qū)域清晰比量測算子，用以表征區(qū)域特征信息，指導(dǎo)無下采樣Contourle

5、t變換域融合系數(shù)的選取。該算法將具有關(guān)聯(lián)性的多個像素作為～個整體參與到融合過程，與基于像素及基于窗口選擇的融合算法相比具有更佳的融合性能。 3．通過對遙感圖像融合中出現(xiàn)的光譜失真問題的分析，提出了一種基于區(qū)域相關(guān)數(shù)的無下采樣Contourlet變換域多光譜與全色圖像的融合算法。在該算法中，按照區(qū)域融合的思想，定義了區(qū)域相關(guān)系數(shù)測度算子，將源圖像按空間特性劃分為相關(guān)度不同的區(qū)域，根據(jù)區(qū)域相關(guān)度的不同分別制定不同的融合策略。該算法在

6、空間分辨率和光譜特性兩方面達(dá)到了良好的平衡，融合后的多光譜圖像在減少光譜失真的同時，有效增強了空間分辨率，且保留了原多光譜圖像中的顯著特征信息。 4．針對SAR與全色圖像的融合，提出了一種基于SAR圖像成像特性的融合算法。在該算法中，以區(qū)域信息熵和區(qū)域均值比作為聯(lián)合量測算子，將SAR圖像區(qū)分為粗糙區(qū)域、平滑區(qū)域以及高亮點目標(biāo)區(qū)域，并針對不同區(qū)域采取不同的融合策略。融合圖像既有效加入了全色圖像中難以辨識的SAR目標(biāo)信息，又有效保持