基于NSST和改進(jìn)SLIC的圖像融合算法研究.pdf

1、圖像融合是將多個(gè)傳感器在不同時(shí)間條件下得到的關(guān)于同一目標(biāo)場(chǎng)景的圖像進(jìn)行綜合處理的一種技術(shù)，目的是使得融合圖像含有更豐富的細(xì)節(jié)信息。圖像融合的關(guān)鍵問(wèn)題是如何有效提取各幅源圖像中的特征信息并在不引入虛假錯(cuò)誤信息的條件下進(jìn)行有效融合。非下采樣剪切波變換(Non-subsampled Shearlet Transform，NSST)是一種能夠有效表示以及分析圖像的多尺度分析方法，可以實(shí)現(xiàn)圖像的“稀疏”表示，高效地提取圖像的有用信息。圖像經(jīng)NSS

2、T分解后生成大量系數(shù)，對(duì)系數(shù)處理方法的有效性直接決定了融合圖像的質(zhì)量。針對(duì)該問(wèn)題本文將改進(jìn)的簡(jiǎn)單線性迭代(Simple Linear Iterative Clustering，SLIC)超像素分割方法用于NSST系數(shù)的融合中。改進(jìn)的SLIC超像素分割方法可以有效地提取圖像的局部信息且可以高效定位圖像中的邊界和物體，使得圖像更易分析，將其應(yīng)用于NSST高頻系數(shù)的融合可有效提升融合質(zhì)量。
　　本研究主要內(nèi)容包括：⑴闡述了SLIC超像素

3、分割方法的實(shí)現(xiàn)過(guò)程，并針對(duì)其存在的不足對(duì)其進(jìn)行改進(jìn)。重點(diǎn)介紹了改進(jìn)算法的具體過(guò)程，即首先采用柯西-施瓦特不等式對(duì)距離度量過(guò)程進(jìn)行簡(jiǎn)化，其次通過(guò)求標(biāo)準(zhǔn)差的方法檢測(cè)欠分割區(qū)域并對(duì)該區(qū)域進(jìn)行聚類重分配。改進(jìn)的SLIC有效地改善了傳統(tǒng)SLIC分割中出現(xiàn)的欠分割現(xiàn)象，可以更精細(xì)地提取圖像局部信息。⑵探究了基于NSST和改進(jìn)的SLIC相結(jié)合的圖像融合算法。對(duì)源圖像進(jìn)行NSST分解后得到一系列低頻系數(shù)和高頻系數(shù)，低頻系數(shù)選用基于區(qū)域能量的融合規(guī)則，高