【摘要】：近年來隨著傳感器成像技術(shù)的快速發(fā)展,成像質(zhì)量不斷提高。不同成像傳感器對(duì)目標(biāo)特征的興趣點(diǎn)有所不同,為了得到目標(biāo)特征更加全面的表達(dá),多傳感器圖像融合得到了快速發(fā)展。多傳感器圖像融合可以克服單個(gè)傳感器提供信息不足的缺點(diǎn),通過將單傳感器的優(yōu)勢(shì)信息進(jìn)行互補(bǔ),融合得到一幅信息更豐富、內(nèi)容更全面的高質(zhì)量圖像。多尺度變換能夠較好地提取源圖像中的結(jié)構(gòu)信息,稀疏表示可以獲得源圖像的稀疏降維表示�；诖�,本文結(jié)合多尺度變換和稀疏表示的各自特點(diǎn),研究多傳感器的圖像融合。論文主要工作如下:1.論文簡要介紹了圖像融合的背景、意義和研究現(xiàn)狀,以及在像素級(jí)進(jìn)行融合的變換域算法如多尺度變換算法和稀疏表示算法。詳細(xì)介紹了循環(huán)引導(dǎo)濾波器和稀疏表示的相關(guān)理論知識(shí),給出了圖像質(zhì)量評(píng)價(jià)的方法和幾個(gè)常用客觀評(píng)價(jià)指標(biāo)的原理。2.論文在多尺度引導(dǎo)濾波圖像融合的基礎(chǔ)上,提出了多尺度循環(huán)引導(dǎo)濾波圖像融合算法。迭代使用循環(huán)引導(dǎo)濾波器實(shí)現(xiàn)圖像的多尺度變換,通過實(shí)驗(yàn)驗(yàn)證了所提算法的有效性。3.論文在多尺度循環(huán)引導(dǎo)濾波圖像融合的基礎(chǔ)上,結(jié)合稀疏表示對(duì)圖像的稀疏表達(dá)特性,提出了基于循環(huán)引導(dǎo)濾波器和稀疏表示的圖像融合算法。首先,利用循環(huán)引導(dǎo)濾波器對(duì)字典訓(xùn)練樣本集進(jìn)行兩層分解,得到一個(gè)低頻近似分量樣本集和兩個(gè)高頻細(xì)節(jié)分量樣本集,對(duì)源圖像進(jìn)行同樣的兩層分解。其次,利用K-SVD算法對(duì)兩個(gè)高頻細(xì)節(jié)分量樣本集分別訓(xùn)練字典,并利用所訓(xùn)練字典求解源圖像兩個(gè)高頻細(xì)節(jié)分量的稀疏系數(shù)。再次,對(duì)源圖像的不同尺度分量分別設(shè)計(jì)融合規(guī)則,低頻近似分量采取基于圖像顯著性的加權(quán)平均融合規(guī)則;高頻細(xì)節(jié)分量通過對(duì)稀疏系數(shù)進(jìn)行L1范數(shù)取大,并與訓(xùn)練字典重構(gòu)得到高頻細(xì)節(jié)分量的融合圖像。最后,對(duì)融合后的低頻近似分量圖像與兩個(gè)高頻細(xì)節(jié)分量圖像進(jìn)行多尺度逆變換得到融合圖像。通過實(shí)驗(yàn)從主觀視覺效果和客觀評(píng)價(jià)指標(biāo)兩方面進(jìn)行分析,本文提出的算法具有更好的融合效果。
【學(xué)位授予單位】：云南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TN713
【圖文】：

圈住.合?

迭代更新圖像？／，／＇＋１為第Ｗ欠迭代的結(jié)果，，為式２．１中的Ｇ，即高斯濾逡逑波器的輸出。Ｊ＇＋１是在給定輸入圖像／和前一次迭代的結(jié)果，的情況下，以聯(lián)合逡逑雙邊濾波形式獲得的：逡逑ｚ邐（２．２）逡逑ｑｅＮ（ｐ）邋＾邐２（７ｒ邐》逡逑其中，？＝Ｚ邋ｅｘｐ［－ｌ＾｜Ｌ」ｌＪ⑷丨丨是為了正則化，ｊ＇＋ｉ（妁是／逡逑（／ｅＮ（ｐ）邐２0＾邐２0＂ｒ邐）逡逑次迭代的結(jié)果，／是迭代次數(shù)，＃（妁是Ｐ相連像素的結(jié)合，ＣＴＶ和ＣＴ，分別為控制逡逑空間和范圍權(quán)重，此外，Ｗ（／７）的大小由圖像的大小和決定。式２．２可以理解為逡逑以Ｊ＇的結(jié)構(gòu)來平滑輸入圖像／的濾波器。在這個(gè)過程中，迭代的改變引導(dǎo)圖像，逡逑因此稱為循環(huán)引導(dǎo)濾波，其實(shí)現(xiàn)流程圖如圖２．１所示：逡逑

／＝１逡逑低頻分量包含原始圖像的大尺度結(jié)構(gòu)信息，高頻分量包含原始圖像的細(xì)節(jié)紋逡逑理信息。圖像基于循環(huán)引導(dǎo)濾波的多尺度分解如圖３．１所示，圖中，（ａ）為源圖逡逑像，（Ａ）為第一層濾波低頻近似分量，由源圖像經(jīng)ＲＧＦ濾波得到；（＆）為第逡逑—層濾波高頻細(xì)節(jié)分量，是源圖像與第一層濾波低頻近似分量之差；（／２）為第逡逑二層濾波低頻近似分量，是以第一層濾波低頻近似分量為輸入經(jīng)ＲＧＦ濾波得到；逡逑（扣）為第二層濾波高頻細(xì)節(jié)分量，是第一層濾波低頻近似分量與第二層濾波低逡逑頻近似分量之差。逡逑（ａ）邐Ｏｉ）邐0２）逡逑１邐Ｌ邐＾逡逑ｙ邐ｙ逡逑㈨）邐（ｈ２）逡逑圖３．１邋ＲＧＦ多尺度分解效果圖逡逑１８逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 鄒建成;張文婷;;一種基于MOD字典學(xué)習(xí)的圖像超分辨率重建新算法[J];圖學(xué)學(xué)報(bào);2015年03期

2 楊航;吳笑天;賀柏根;朱明;;基于多尺度導(dǎo)引濾波的圖像融合方法[J];光電子·激光;2015年01期

3 肖進(jìn)勝;饒?zhí)煊?賈茜;宋金鐘;易本順;;基于圖切割的拉普拉斯金字塔圖像融合算法[J];光電子.激光;2014年07期

4 王林艷;陶玲;王惠南;;CT與MRI圖像融合的評(píng)價(jià)方法研究[J];生物醫(yī)學(xué)工程研究;2006年04期

5 陽方林,郭紅陽,楊風(fēng)暴;像素級(jí)圖像融合效果的評(píng)價(jià)方法研究[J];測(cè)試技術(shù)學(xué)報(bào);2002年04期

相關(guān)博士學(xué)位論文 前5條

1 張寶華;基于多尺度變換和稀疏表示的多源圖像融合算法研究[D];上海大學(xué);2016年

2 李驁;基于稀疏表示理論的圖像處理關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2014年

3 李郁峰;像素級(jí)多傳感器圖像融合方法研究[D];西南交通大學(xué);2013年

4 焦竹青;變換域中的多源圖像融合方法研究[D];江南大學(xué);2011年

5 蔣年德;多尺度變換的圖像融合方法與應(yīng)用研究[D];湖南大學(xué);2010年

相關(guān)碩士學(xué)位論文 前6條

1 陳軼鳴;基于稀疏表示圖像融合算法的研究及應(yīng)用[D];南京信息工程大學(xué);2018年

2 湯成軍;基于稀疏表示的圖像融合算法研究[D];湘潭大學(xué);2017年

3 段普宏;基于多尺度變換和稀疏表示的圖像融合算法研究[D];合肥工業(yè)大學(xué);2017年

4 劉敏;基于K-SVD的字典學(xué)習(xí)算法及應(yīng)用研究[D];西南科技大學(xué);2016年

5 郭蘊(yùn)霆;基于多尺度分析的多傳感器圖像融合算法的研究[D];哈爾濱工程大學(xué);2016年

6 賀文飛;像素級(jí)圖像融合技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2006年

本文編號(hào)：2764047