基于非亞采樣Contourlet變換的圖像融合研究.pdf

1、多傳感器圖像信息處理系統(tǒng)是信息技術(shù)發(fā)展的趨勢,是各種先進圖像傳感器出現(xiàn)后的必然結(jié)果。圖像融合是多傳感器數(shù)據(jù)融合的一個重要分支,作為一個新興的科研領(lǐng)域有著廣闊的發(fā)展前景。它通過提取和綜合來自多個傳感器圖像的信息,獲得對某一場景(或目標(biāo))的更為準(zhǔn)確、全面、可靠的圖像描述,以便對圖像進行進一步的分析、理解以及目標(biāo)的檢測、識別或跟蹤?？梢灶A(yù)見,隨著多傳感器圖像融合相關(guān)理論的不斷發(fā)展和完善,它在軍事、遙感、機器人、醫(yī)學(xué)圖像處理以及計算機視覺等領(lǐng)域

2、必將有更廣泛的應(yīng)用前景。經(jīng)過將近三十年的發(fā)展,圖像融合技術(shù)的研究已經(jīng)形成了一定的規(guī)模,國內(nèi)外已開發(fā)出多種融合系統(tǒng),但是這并不表明該項技術(shù)已經(jīng)完善。從目前的情況來看,圖像融合技術(shù)還存在許多理論和技術(shù)方面的問題有待解決。尤其需要指出的是,圖像融合技術(shù)在國內(nèi)所進行的研究相對于國際上的研究工作起步較晚,還處于落后狀態(tài)。因此迫切需要進行廣泛深入的基礎(chǔ)理論和基礎(chǔ)技術(shù)的研究工作。
　　 本文重點研究了基于非亞采樣Contourlet變換的多傳

3、感器圖像融合技術(shù)及其在醫(yī)學(xué)圖像融合和多聚焦圖像融合方面的應(yīng)用。首先介紹了圖像融合的概念、優(yōu)勢、發(fā)展歷史和應(yīng)用領(lǐng)域,然后介紹了圖像融合的三個層次及常用的圖像融合方法,總結(jié)了融合效果的主、客觀評價標(biāo)準(zhǔn)。
　　 傳統(tǒng)的圖像融合采用基于多分辨率分解的小波變換。但是二維小波的方向選擇性差,不能有效地獲取圖像的輪廓信息,故而不能實現(xiàn)對圖像的稀疏及有效表達。于是人們提出了具有多方向多尺度性質(zhì)的Contourlet變換等一系列能有效捕獲圖像幾何

4、結(jié)構(gòu)信息的新方法。但是Contourlet變換不具有平移不變性的缺點使它在圖像的奇異點附近會產(chǎn)生偽吉布斯現(xiàn)象,削弱了它的頻域局部性和方向選擇性,于是非亞采樣Contourlet變換(Nonsubsampled Contourlet Transform,NSCT)應(yīng)運而生。非亞采樣Contourlet變換通過非亞采樣金字塔和非亞采樣方向濾波器組實現(xiàn)對圖像的多方向多分辨率分解。它既保留了Contourlet變換的特性,又具有平移不變性,濾波

5、器組的設(shè)計也很簡單,非常適合應(yīng)用于圖像處理。
　　 本文在研究光學(xué)成像系統(tǒng)成像機理的基礎(chǔ)上,提出了一種基于非亞采樣Contourlet變換和脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network,PCNN)的新的多聚焦圖像融合方法。脈沖耦合神經(jīng)網(wǎng)絡(luò)是一種不同于傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)的新型神經(jīng)網(wǎng)絡(luò),可廣泛地應(yīng)用于圖像處理、目標(biāo)識別、通信和決策優(yōu)化等方面。本文算法充分利用了NSCT的多分辨率、多方向性、平移不變性及PC