本文選題：圖像融合　切入點：視覺底層特征　出處：《昆明理工大學(xué)》2017年碩士論文

【摘要】：單圖像傳感器獲取的圖像信息有限,很難對場景進(jìn)行精確的描述。圖像融合技術(shù)就是為解決這個問題而發(fā)展起來的。圖像融合技術(shù)通過對圖像信息進(jìn)行處理和計算的方式將多個圖像傳感器采集的同一場景的圖像信息綜合起來得到一幅包含更多有用信息的高質(zhì)量圖像,新的圖像更利于人們進(jìn)行后期處理。近年來,研究者們提出了很多圖像融合算法,并且成功運用在計算機(jī)視覺,機(jī)器人,數(shù)碼成像,自動目標(biāo)識別技術(shù),軍事等領(lǐng)域。本文為提升圖像融合性能展開了一系列研究,研究成果如下:(1)在紅外與可見光圖像融合研究中,針對在變換域融合規(guī)則設(shè)計中只考慮了圖像的單一特征的問題,本文在非下采樣輪廓波域內(nèi)設(shè)計融合規(guī)則時充分考慮了圖像的局部結(jié)構(gòu)、對比度信息和亮度信息,并針對高低頻子帶系數(shù)分別提出了新的有效的清晰度度量算子,調(diào)整不同特征的重要性權(quán)重。(2)在多聚焦圖像融合研究中,針對空間域聚焦特性檢測算法中聚焦信息提取不完整的問題,提出了一種多尺度圖像分析技術(shù)與非局部均值濾波相結(jié)合的融合算法。算法中為綜合不同尺度圖像的優(yōu)勢,提出一種新的多尺度圖像分析技術(shù),同時引入雙邊濾波器的思想設(shè)計新的圖像聚焦特性度量指標(biāo)來識別多尺度分析結(jié)果中的聚焦像素。為減輕空間域方法產(chǎn)生的邊界效應(yīng),最后利用塊的一致性驗證和非局部均值濾波器對決策圖進(jìn)行優(yōu)化,得到源圖像的融合權(quán)重圖像。(3)在醫(yī)學(xué)圖像融合研究中,針對傳統(tǒng)的稀疏表示訓(xùn)練字典算法耗時,訓(xùn)練的字典表達(dá)能力有限的問題,提出基于視覺底層特征篩選的字典訓(xùn)練算法。根據(jù)醫(yī)學(xué)圖像的特點,提出利用反映圖像塊亮度信息的能量特征和反映圖像塊邊緣信息變化的空間頻率特征等視覺底層特征作為度量標(biāo)準(zhǔn),篩選信息豐富的圖像塊來構(gòu)建訓(xùn)練集,并通過KSVD算法分別訓(xùn)練細(xì)節(jié)信息字典和亮度信息字典,并基于訓(xùn)練的字典設(shè)計醫(yī)學(xué)圖像融合框架。
[Abstract]:The image information obtained by single image sensor is limited, It is very difficult to accurately describe the scene. Image fusion technology is developed to solve this problem. Image fusion technology through the processing and calculation of image information to capture the same image sensors. When the image information of a scene is synthesized, a high quality image containing more useful information can be obtained. In recent years, researchers have proposed many image fusion algorithms, which have been successfully used in computer vision, robot, digital imaging, automatic target recognition technology. Military and other fields. In this paper, a series of studies are carried out to improve the performance of image fusion. The research results are as follows: 1) in the research of infrared and visible image fusion, only a single feature of the image is considered in the design of fusion rules in transform domain. In this paper, the local structure, contrast information and luminance information of the image are fully considered when designing fusion rules in the non-downsampling profilometry domain, and a new effective sharpness metric operator is proposed for the high and low frequency subband coefficients, respectively. Adjusting the importance weight of different features.) in the research of multi-focus image fusion, focusing information extraction in spatial domain focusing feature detection algorithm is incomplete. A fusion algorithm combining multi-scale image analysis and non-local mean filtering is proposed. In order to synthesize the advantages of different scale images, a new multi-scale image analysis technique is proposed. At the same time, the idea of two-sided filter is introduced to design a new measure of image focusing characteristics to identify the focus pixels in the results of multi-scale analysis. Finally, using block consistency verification and non-local mean filter to optimize the decision graph, we get the fusion weight image of source image. In the medical image fusion research, the traditional sparse representation training dictionary algorithm is time-consuming. In this paper, a dictionary training algorithm based on visual bottom feature screening is proposed. Based on the energy feature of image block luminance information and spatial frequency feature reflecting the change of image block edge information, this paper proposes to select the image block with abundant information to construct the training set. The detail information dictionary and brightness information dictionary are trained by KSVD algorithm, and the medical image fusion framework is designed based on the training dictionary.
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張曉;薛月菊;涂淑琴;胡月明;寧曉鋒;;基于結(jié)構(gòu)組稀疏表示的遙感圖像融合[J];中國圖象圖形學(xué)報;2016年08期

2 陳利霞;李子;袁華;歐陽寧;;基于塊分類稀疏表示的圖像融合算法[J];電視技術(shù);2015年17期

3 沈德海;鄂旭;張龍昌;;基于Sobel算子的醫(yī)學(xué)圖像邊緣檢測研究[J];電子設(shè)計工程;2015年07期

4 吳雙;邱天爽;;基于稀疏表示和脈沖耦合神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)影像融合算法[J];中國生物醫(yī)學(xué)工程學(xué)報;2013年04期

5 石智;張卓;岳彥剛;;基于Shearlet變換的自適應(yīng)圖像融合算法[J];光子學(xué)報;2013年01期

6 余南南;邱天爽;畢峰;王愛齊;;基于K-SVD的醫(yī)學(xué)圖像特征提取和融合[J];大連理工大學(xué)學(xué)報;2012年04期

7 常霞;焦李成;賈建華;;基于非下采樣Contourlet的多傳感器圖像自適應(yīng)融合[J];計算機(jī)學(xué)報;2009年11期

8 付夢印;趙誠;;基于二代Curvelet變換的紅外與可見光圖像融合[J];紅外與毫米波學(xué)報;2009年04期

9 屈小波;閆敬文;楊貴德;;改進(jìn)拉普拉斯能量和的尖銳頻率局部化Contourlet域多聚焦圖像融合方法[J];光學(xué)精密工程;2009年05期

10 屈小波;閆敬文;肖弘智;朱自謙;;非降采樣Contourlet域內(nèi)空間頻率激勵的PCNN圖像融合算法(英文)[J];自動化學(xué)報;2008年12期

相關(guān)博士學(xué)位論文 前3條

1 朱智勤;基于稀疏表示的像素級圖像融合方法研究[D];重慶大學(xué);2016年

2 尤春艷;多分辨率分析圖像融合關(guān)鍵技術(shù)研究[D];重慶大學(xué);2014年

3 葉傳奇;基于多尺度分解的多傳感器圖像融合算法研究[D];西安電子科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前1條

1 李小松;基于多尺度鄰域技術(shù)的多聚焦圖像融合研究[D];昆明理工大學(xué);2016年

，

本文編號：1661821