基于Shearlet變換的多源圖像融合方法研究.pdf

1、隨著圖像在人們生活中應用越來越廣泛，不同的圖像傳感器可以對同一場景獲取不同的圖像。紅外圖像與可見光圖像是典型的多源傳感器獲取的圖像，紅外圖像是一幅灰度圖像，圖像分辨率低，圖像缺乏層次感;可見光圖像較好地反映了目標所處場景，圖像具有豐富的細節(jié)信息。但是，可見光傳感器會受陰雨或大霧天氣的影響而成像效果差，而且在夜晚不容易獲取目標信息。利用圖像融合技術將紅外與可見光圖像進行融合，能夠得到信息更豐富的圖像。本文以紅外圖像與可見光圖像為研究對象，

2、以提高融合圖像質(zhì)量為目標，展開紅外與可見光圖像的融合算法研究。
　　本文重點仿真并分析了四種已有的紅外與可見光圖像融合算法，給出了每一種算法的融合結(jié)果，通過對已有算法的學習，總結(jié)出了現(xiàn)有融合算法的優(yōu)缺點?，F(xiàn)有的紅外與可見光圖像融合算法通常是基于變換域的融合算法，首先對紅外圖像和可見光圖像進行多尺度多方向分解，然后對高、低頻子帶系數(shù)按不同融合規(guī)則進行系數(shù)融合，最后對融合后的高、低頻系數(shù)進行逆變換得到最終的融合結(jié)果。實驗結(jié)果表明，對于

3、紅外與可見光圖像融合，紅外圖像中的目標在融合結(jié)果中并未較好地顯現(xiàn)出來。同時，為了驗證融合算法的適用性，對通過多源傳感器獲得的醫(yī)學CT圖像和MRI圖像也進行了仿真試驗，試驗結(jié)果表明現(xiàn)有紅外與可見光圖像融合算法也適用于醫(yī)學CT和MRI的圖像融合。
　　通過對已有算法的學習仿真，并結(jié)合紅外圖像和可見光圖像的自身特點，本文提出了一種自適應的Shearlet變換的紅外與可見光圖像融合算法。該算法主要從改進融合規(guī)則入手，首先對紅外與可見光圖像

4、分別作相同層數(shù)相同方向的Shearlet分解。然后，在相應高頻子帶分別計算待融合像素點的區(qū)域能量，選取區(qū)域能量大的作為融合圖像的高頻系數(shù);在相應低頻子帶中計算二者待融合像素點區(qū)域相似性匹配度大小，當區(qū)域相似匹配度小于最佳閾值T時，說明紅外與可見光圖像在該區(qū)域相似度低，此時選擇紅外圖像的低頻系數(shù)作為融合圖像的低頻系數(shù)，反之，選取可見光圖像的低頻系數(shù)作為融合圖像的低頻系數(shù)，而最佳閾值確定的方法是對不同的待融合圖像通過計算不同閾值下融合圖像與