像素級(jí)圖像融合算法研究.pdf

1、圖像融合是信息融合的一個(gè)分支。在傳感器技術(shù)的不斷發(fā)展和各種傳感器廣泛應(yīng)用的背景下,圖像融合技術(shù)受到越來越多的重視和得到了快速的發(fā)展。圖像融合是利用了多幅圖像中信息的互補(bǔ)性,使融合后的圖像具有更高的清晰度和可理解性,彌補(bǔ)了單一傳感器成像在空間或光譜分辨率的局限性和差異性。融合圖像能夠?qū)?chǎng)景有更為全面、更為準(zhǔn)確的描述,更符合人眼視覺系統(tǒng)與機(jī)器感知和進(jìn)一步圖像處理任務(wù)。
　　本論文提出的融合算法屬于像素級(jí)融合層面,融合處理的圖像源分別為

2、多聚焦圖像和多源圖像,其中多源圖像源分為紅外與可見光圖像和多光譜與全色圖像兩類。
　　本文的主要研究工作及創(chuàng)新成果如下:
　　(1)提出一種基于非下采樣輪廓波變換(Nonsubsampled Contourlet Transform,NSCT)和空間頻率法結(jié)合的圖像融合算法。該融合方法利用NSCT分別對(duì)兩幅原始圖像分解得到對(duì)應(yīng)的多個(gè)高頻子帶與低頻子帶,采用空間頻率法計(jì)算得到空間頻率系數(shù)判斷決策以確定新的高頻子帶與低頻子帶系數(shù)

3、。NSCT分解的高頻分量能體現(xiàn)圖像的細(xì)節(jié)特征,使用空間頻率法能增強(qiáng)對(duì)子帶系數(shù)選擇的魯棒性,使得到的融合圖像能保持圖像的細(xì)節(jié)等邊緣特征。
　　(2)提出了適用于多聚焦圖像的融合方法,基于PM模型與高斯卷積的圖像做差分(Difference of images between PM model and Gaussian,DPG)的算法,用DPG計(jì)算得到的差分系數(shù)進(jìn)行小窗口累加及采用DPG與二階拉普拉斯算子累加結(jié)合的融合算法。DPG算法

4、利用的是PM模型非線性擴(kuò)散對(duì)圖像中存在的邊緣信息具有良好保持特性這一特點(diǎn),與高斯濾波圖像做差分得到的差分系數(shù)能體現(xiàn)圖像的細(xì)節(jié)信息。這些差分系數(shù)值較大的區(qū)域?qū)?yīng)原始圖像中清晰的區(qū)域,為了增強(qiáng)融合決策的魯棒性,分別采用了小窗口累加和二階拉普拉斯算子累加兩種方法計(jì)算差分系數(shù)。最后根據(jù)決策圖直接提取原始圖像的像素替換到結(jié)果圖像中,避免了受到模糊區(qū)域的污染,得到整體清晰的融合圖像。
　　(3)提出一種自適應(yīng)權(quán)值的紅外與可見光融合算法,利用紅

5、外圖像的直方圖分布特征確定閾值,分割出小的紅外目標(biāo),將紅外目標(biāo)采用加權(quán)融合算法融入到可見光場(chǎng)景中,融合圖像中紅外目標(biāo)清楚,場(chǎng)景空間細(xì)節(jié)表現(xiàn)力強(qiáng)。為了檢測(cè)出運(yùn)動(dòng)的紅外目標(biāo),提出一種直方圖分割的背景建模方法,利用連續(xù)的多幅圖像建立一個(gè)穩(wěn)定的背景模型,當(dāng)前輸入圖像與背景模型相減得到運(yùn)動(dòng)目標(biāo),將運(yùn)動(dòng)目標(biāo)融入到可見光場(chǎng)景中或用特定的顏色標(biāo)記出來,便于對(duì)場(chǎng)景的觀察與監(jiān)控。
　　(4)針對(duì)多光譜與全色圖像融合,提出了一種基于IHS模型空間的圖像