基于二代Curvelet變換的圖像融合算法研究.pdf

1、多尺度分析發(fā)展日益成熟，并在圖像處理領(lǐng)域有著廣泛的應(yīng)用。圖像融合可以結(jié)合不同源圖像之間的信息，從而獲得信息更加豐富、清晰的融合圖像。二代Curvelet變換作為一種多尺度分析工具，可以很好的描述圖像中的曲線(xiàn)奇異性。利用Curvelet變換對(duì)圖像進(jìn)行處理，可以很容易的對(duì)分解系數(shù)進(jìn)行操作，并獲得視覺(jué)效果更突出的融合圖像。因此，將Curvelet變換引入到圖像融合領(lǐng)域是可行且有實(shí)際意義的。
　　本文研究工作就是圍繞Curvelet變換的

2、融合算法展開(kāi)，旨在提供更好的融合策略，以保證融合圖像的質(zhì)量，為后續(xù)圖像處理工作打下基礎(chǔ)。具體內(nèi)容與研究成果如下:
　　(1)依據(jù)不同圖像特性，對(duì)融合規(guī)則進(jìn)行改進(jìn)。針對(duì)聚焦區(qū)域細(xì)節(jié)信息突出的特點(diǎn)，利用梯度能量區(qū)分聚焦和離焦區(qū)域，并對(duì)不同區(qū)域根據(jù)顯著性因子采取不同規(guī)則。針對(duì)紅外和可見(jiàn)光圖像在同一場(chǎng)景中的目標(biāo)灰度分布差距較大的特點(diǎn)，將其劃分為相似區(qū)域和不相似區(qū)域，同時(shí)基于相似性和顯著性進(jìn)行信息融合。實(shí)驗(yàn)表明，基于相似性的引導(dǎo)融合能夠更好

3、的表達(dá)可見(jiàn)光圖像的細(xì)節(jié)信息和紅外圖像的輻射信息。針對(duì)不同模態(tài)醫(yī)學(xué)圖像均提供有用信息，且不互相覆蓋的特性。將一幅圖像作為主圖像，并將其他模態(tài)圖像的信息融入到主圖像。根據(jù)信息熵大小選擇主圖像，并由其高頻系數(shù)比來(lái)確定融合規(guī)則。實(shí)驗(yàn)表明，該策略能更好的集成多模態(tài)醫(yī)學(xué)圖像的有用信息。
　　(2)將基于Sobel算子的邊緣檢測(cè)引入圖像融合，將系數(shù)分為邊緣和非邊緣部分，對(duì)不同部分施加不同規(guī)則。對(duì)Curvelet和小波變換分解后的低頻系數(shù)使用該方

4、法，可以有效提高圖像的清晰度。實(shí)驗(yàn)表明了該方法獲得的圖像細(xì)節(jié)紋理更好。
　　(3)對(duì)脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)簡(jiǎn)化模型的參數(shù)進(jìn)行改進(jìn)。傳統(tǒng)簡(jiǎn)化模型將鏈接強(qiáng)度設(shè)為固定值不符合圖像的區(qū)域特征，因此本文將鏈接強(qiáng)度與圖像特性相結(jié)合。在多聚焦圖像中，以清晰度為參考設(shè)置自適應(yīng)鏈接強(qiáng)度;在紅外和可見(jiàn)光圖像中，則以區(qū)域能量為參考設(shè)置自適應(yīng)鏈接強(qiáng)度。接著以圖像局部統(tǒng)計(jì)特征作為外部輸入，根據(jù)點(diǎn)火次數(shù)來(lái)確定融合高頻系數(shù)的選擇。實(shí)驗(yàn)結(jié)果表明改進(jìn)后的PC