基于多尺度變換的多聚焦圖像融合算法研究.pdf

1、圖像融合是指將來(lái)自不同傳感器的多幅圖像,或單一傳感器多次獲取的源圖像,按照某種規(guī)則,融合成一幅新圖像的過(guò)程。融合圖像比源圖像包含的信息量更多,輪廓也更清晰,更利于后期處理。本文所研究的多聚焦圖像融合是圖像融合技術(shù)中的一個(gè)研究熱點(diǎn)。該技術(shù)能夠有效地提高系統(tǒng)對(duì)目標(biāo)探測(cè)識(shí)別的可靠性和圖像信息的利用率,在機(jī)器視覺、數(shù)碼相機(jī)、目標(biāo)識(shí)別等領(lǐng)域中的應(yīng)用日益廣泛。
　　本文針對(duì)傳統(tǒng)多聚焦圖像融合算法易導(dǎo)致融合后圖像對(duì)比度降低,邊緣等細(xì)節(jié)信息丟失,

2、不能很好地適應(yīng)人類視覺特性等缺點(diǎn),在充分研究多尺度幾何分析工具和多聚焦圖像特點(diǎn)的基礎(chǔ)上,提出了兩種新算法：⑴提出了一種基于離散剪切波變換(Shearlet)和自適應(yīng)脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)的圖像融合新算法。該算法利用Shearlet變換將已配準(zhǔn)的兩幅待融合圖像分解,針對(duì)低頻和高頻子帶系數(shù)的各自特點(diǎn),采用不同的融合規(guī)則進(jìn)行處理。低頻子帶系數(shù)采用區(qū)域能量的方法;對(duì)于高頻子帶系數(shù),采用自適應(yīng)PCNN的融合規(guī)則。融合后的高、低頻系數(shù)作為Sh

3、earlet逆變換的輸入,從而得到融合圖像。與傳統(tǒng)的基于PCNN模型的融合算法中利用經(jīng)驗(yàn)法確定PCNN連接系數(shù)的方式不同,本文選用能夠反映圖像特征的梯度能量作為連接系數(shù),使得連接系數(shù)的大小能夠根據(jù)梯度能量的變化自適應(yīng)地調(diào)整。大量多聚焦圖像實(shí)驗(yàn)結(jié)果表明,本文算法的融合效果優(yōu)于傳統(tǒng)圖像融合算法。⑵提出了一種基于Shearlet變換和圖像區(qū)域特性的融合算法。低頻子帶系數(shù)依然采用基于區(qū)域能量的融合規(guī)則;對(duì)于高頻子帶系數(shù),考慮到圖像的方差、平均梯