基于NSST和改進SLIC的圖像融合算法研究.pdf

1、圖像融合是將多個傳感器在不同時間條件下得到的關(guān)于同一目標(biāo)場景的圖像進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節(jié)信息。圖像融合的關(guān)鍵問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誤信息的條件下進行有效融合。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。針對該問題本文將改進的簡單線性迭代(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、分割方法的實現(xiàn)過程，并針對其存在的不足對其進行改進。重點介紹了改進算法的具體過程，即首先采用柯西-施瓦特不等式對距離度量過程進行簡化，其次通過求標(biāo)準(zhǔn)差的方法檢測欠分割區(qū)域并對該區(qū)域進行聚類重分配。改進的SLIC有效地改善了傳統(tǒng)SLIC分割中出現(xiàn)的欠分割現(xiàn)象，可以更精細地提取圖像局部信息。⑵探究了基于NSST和改進的SLIC相結(jié)合的圖像融合算法。對源圖像進行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