由于成像原理不同,光學(xué)與紅外傳感器對(duì)同一場(chǎng)景的描述存在差異�？梢�(jiàn)光與紅外圖像表征了互補(bǔ)的場(chǎng)景信息,圖像融合將不同源圖像信息進(jìn)行綜合,創(chuàng)建信息更加全面、完整的融合圖像�，F(xiàn)有融合算法存在紋理細(xì)節(jié)信息丟失,顯著目標(biāo)、輪廓保留不完整等問(wèn)題,不利于對(duì)場(chǎng)景信息的感知和理解。針對(duì)上述問(wèn)題,本文分析了可見(jiàn)光與紅外圖像的特點(diǎn),提出了三種新的可見(jiàn)光和紅外圖像融合方法,主要內(nèi)容以及成果如下:（1）為了使源圖像中的顯著信息保留更加充分,本文提出一種基于NSCT的可見(jiàn)光與紅外圖像融合方法。該方法首先通過(guò)NSCT分解得到多尺度以及多方向上的高、低頻子帶圖像;其次借助高斯模糊邏輯自適應(yīng)地構(gòu)建低頻分量權(quán)重圖,利用絕對(duì)值取大方法融合高頻子帶分量。實(shí)驗(yàn)表明,本算法能夠在融合圖像中更好地保留源圖像的顯著特征,提高圖像對(duì)比度。（2）為了避免圖像多尺度分解融合算法產(chǎn)生的“振鈴”效應(yīng),同時(shí)充分保留源圖像中的顯著目標(biāo)和紋理細(xì)節(jié),本文提出一種基于顯著性檢測(cè)的圖像融合方法。該方法首先根據(jù)雙邊濾波對(duì)源圖像進(jìn)行分解得到基層和細(xì)節(jié)層;其次通過(guò)顯著性檢測(cè)構(gòu)建基層權(quán)重圖完成信息融合,細(xì)節(jié)層采用絕對(duì)值取大的方法進(jìn)行處理。實(shí)驗(yàn)表明,本算法能夠克服融... 

【文章來(lái)源】：西安科技大學(xué)陜西省

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

基于NSCT的圖像融合算法框圖

西安科技大學(xué)全日制工程碩士學(xué)位論文8圖2.2 圖像輪廓波變換由于輪廓波變換在圖像分解過(guò)程中進(jìn)行“下采樣”操作，使得圖像高頻分量產(chǎn)生頻譜混疊，導(dǎo)致偽Gibbs現(xiàn)象[19]發(fā)生。因此，為了避免這一問(wèn)題，非下采樣輪廓波變換應(yīng)運(yùn)而生。NSCT的組成包括非下采樣金字塔濾波器組（Non-Sampled Pyramid Filter Bank，NSPFB）和非下采樣方向?yàn)V波器組（Non-Sampled Directional Filter Bank，NSDFB）兩部分，在不同尺度和不同方向上具有良好的分解特性。該方法的分解過(guò)程避免了“下采樣”過(guò)程，得到的子帶圖像與源圖像大小一致，具有良好的移位不變性。圖2.3給出了NSCT分解結(jié)構(gòu)示意圖。（a）NSCT原理 （b）頻域分解圖2.3 NSCT分解結(jié)構(gòu)示意圖①非下采樣金字塔濾波器組NSPFB通過(guò)一個(gè)雙通道的非下采樣濾波器組構(gòu)成

圖2.2 圖像輪廓波變換由于輪廓波變換在圖像分解過(guò)程中進(jìn)行“下采樣”操作，使得圖像高頻分量產(chǎn)生頻譜混疊，導(dǎo)致偽Gibbs現(xiàn)象[19]發(fā)生。因此，為了避免這一問(wèn)題，非下采樣輪廓波變換應(yīng)運(yùn)而生。NSCT的組成包括非下采樣金字塔濾波器組（Non-Sampled Pyramid Filter Bank，NSPFB）和非下采樣方向?yàn)V波器組（Non-Sampled Directional Filter Bank，NSDFB）兩部分，在不同尺度和不同方向上具有良好的分解特性。該方法的分解過(guò)程避免了“下采樣”過(guò)程，得到的子帶圖像與源圖像大小一致，具有良好的移位不變性。圖2.3給出了NSCT分解結(jié)構(gòu)示意圖。

【參考文獻(xiàn)】：
期刊論文
[1]基于NSST變換和PCNN的醫(yī)學(xué)圖像融合方法[J]. 田娟秀,劉國(guó)才.  中國(guó)醫(yī)學(xué)物理學(xué)雜志. 2018(08)
[2]遙感數(shù)據(jù)融合技術(shù)文獻(xiàn)綜述[J]. 閆晗晗,邢波濤,任璐,張琳,姚麟倩,段子陽(yáng),李晨曦,李鏘.  電子測(cè)量技術(shù). 2018(09)
[3]基于深度堆疊卷積神經(jīng)網(wǎng)絡(luò)的圖像融合[J]. 藺素珍,韓澤.  計(jì)算機(jī)學(xué)報(bào). 2017(11)
[4]一種基于稀疏表示的可見(jiàn)光與紅外圖像融合方法[J]. 張生偉,李偉,趙雪景.  電光與控制. 2017(06)
[5]基于視覺(jué)顯著性和NSCT的紅外與可見(jiàn)光圖像融合[J]. 傅志中,王雪,李曉峰,徐進(jìn).  電子科技大學(xué)學(xué)報(bào). 2017(02)
[6]一種基于局部方差相似度的自適應(yīng)圖像融合算法[J]. 陳孝培,楊學(xué)志,方帥,董張玉.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(12)
[7]多尺度梯度域可見(jiàn)光與紅外熱圖像融合方法研究[J]. 肖兒良,劉雯雯.  計(jì)算機(jī)應(yīng)用研究. 2015(10)
[8]小波變換不同替換方法對(duì)圖像融合的影響[J]. 李昕昱,張穎.  地理空間信息. 2014(02)
[9]基于稀疏表示的自適應(yīng)圖像融合方法研究[J]. 肖冬杰,李其申,周翠嶺.  計(jì)算機(jī)應(yīng)用與軟件. 2014(03)
[10]基于獨(dú)立成分分析和IHS變換域的灰度可見(jiàn)光和紅外圖像融合[J]. 邢雅瓊,王曉丹,畢凱,郝新娣.  控制與決策. 2014(03)



本文編號(hào)：3303073