本文選題：壓縮感知 + 圖像融合　； 參考：《長春工業(yè)大學》2016年碩士論文

【摘要】：圖像融合技術是近幾年的圖像研究領域的熱門,而紅外與可見光的圖像融合則更是在軍事、遙感、安全和視頻監(jiān)控等領域得到了廣泛的應用。紅外傳感器對熱目標能很好地識別而可見光傳感器能提供清晰的場景信息,通過對紅外與可見光進行融合,可以同時利用目標的熱量信息和場景信息,對目標進行更為精確的判斷,有利于目標識別及其他后續(xù)的處理。傳統(tǒng)的圖像融合由于需要源圖像的全部信息,不易存儲和傳輸,融合效率低。壓縮感知(compressive sensing,CS)能以較低采樣率高效重構原信號,成為圖像融合領域的研究熱點。壓縮感知在采樣的同時對數(shù)據(jù)進行壓縮,而且融合只對少量的測量值進行而不是整幅圖像,可以顯著降低系統(tǒng)的存儲壓力與計算復雜度。圍繞壓縮感知融合,本文主要做了以下工作:(1)給出了壓縮感知的基礎理論框架和結構,對基于壓縮感知的現(xiàn)有融合規(guī)則進行了深入研究,并總結了常用的融合圖像質(zhì)量客觀評價指標。(2)目前基于壓縮感知融合的研究集中在DCT,小波變換,NSCT(非下采樣輪廓波)稀疏變換上。而本文將非下采樣剪切波變換(NSST)應用在壓縮感知域,并提出新的壓縮感知融合方案,僅對計算量較大的高頻子帶系數(shù)采用基于壓縮感知的圖像融合方法進行融合,即對高頻子帶進行星型測量,使測量值與結構信息相關聯(lián);對測量后的高頻子帶制定了基于空間頻率加權的新融合規(guī)則。利用區(qū)域標準差與區(qū)域能量聯(lián)合指導低頻子帶系數(shù)的融合。最后經(jīng)NSST逆變換得到融合圖像。實驗結果表明,僅用單層NSST變換即可重建出高質(zhì)量圖像,融合效果好于其他幾種傳統(tǒng)的壓縮感知融合算法。(3)在基于非下采樣剪切波變換(NSST)壓縮感知融合算法的基礎上,對基于圖像分塊的壓縮感知融合算法進行了深入研究�？紤]到對圖像分塊采樣,圖像塊之間缺乏整體特性的缺點,致使圖像在經(jīng)過重構之后會產(chǎn)生分塊效應。在分塊壓縮感知融合算法中引入平滑投影(SPL)Landweber算法進行重構,有效去除了分塊效應,并提高了融合速度。
[Abstract]:Image fusion technology is a hot topic in the field of image research in recent years, and the image fusion of infrared and visible light has been widely used in military, remote sensing, security and video surveillance. Infrared sensor can recognize thermal target well, while visible light sensor can provide clear scene information. By fusion of infrared and visible light, heat information and scene information of target can be used simultaneously. A more accurate judgment of the target is beneficial to target recognition and other subsequent processing. Because the traditional image fusion needs all the information of the source image, it is difficult to store and transmit, so the fusion efficiency is low. Compressed sensing CSS can efficiently reconstruct the original signal at a low sampling rate, which has become a research hotspot in the field of image fusion. Compression sensing can compress the data while sampling and fuse only a small number of measurements instead of the whole image which can significantly reduce the storage pressure and computational complexity of the system. In this paper, the basic theoretical framework and structure of compressed sensing are given, and the existing fusion rules based on compressed perception are deeply studied. This paper also summarizes the objective evaluation index of image quality in common use. Currently, the research based on compressed perceptual fusion is focused on DCT, wavelet transform and NSCT (non-downsampling contour wave) sparse transformation. In this paper, the non-downsampling shear wave transform (NSST) is applied to the compressed sensing domain, and a new compression sensing fusion scheme is proposed. Only the high-frequency subband coefficients with a large amount of computation are fused by the image fusion method based on compressed sensing. The high frequency subbands are measured by star pattern to correlate the measured values with the structure information, and a new fusion rule based on spatial frequency weighting is established for the high frequency subbands. The combination of regional standard deviation and regional energy is used to guide the fusion of low frequency subband coefficients. Finally, the fusion image is obtained by inverse NSST transform. The experimental results show that high quality images can be reconstructed by using single layer NSST transform only, and the fusion effect is better than that of other traditional compression sensing fusion algorithms. The compressed perceptual fusion algorithm based on image segmentation is studied in detail. Considering the shortcoming of image block sampling, there is a lack of overall characteristics between the image blocks, which leads to the blocking effect of the image after reconstruction. The smooth projection splitter Landweber algorithm is introduced into the block compression perceptual fusion algorithm for reconstruction, which effectively eliminates the blocking effect and improves the fusion speed.
【學位授予單位】：長春工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 田思;張俊舉;袁軼慧;常本康;;圖像融合的開窗處理技術研究[J];兵工學報;2009年04期

2 吳仰玉;紀峰;常霞;李翠;;圖像融合研究新進展[J];科技創(chuàng)新導報;2013年01期

3 韓瑜;蔡云澤;曾清;;圖像融合的客觀質(zhì)量評估[J];指揮控制與仿真;2013年04期

4 王憶鋒，張海聯(lián)，，李燦文，李茜;夜視圖像融合研究的進展[J];紅外與激光工程;1998年02期

5 朱煉;孫楓;夏芳莉;韓瑜;;圖像融合研究綜述[J];傳感器與微系統(tǒng);2014年02期

6 劉志鏡,楊海英,張小平;基于空域中的圖像融合算法研究[J];計算機工程與設計;2002年09期

7 夏明革,何友,唐小明,夏仕昌;圖像融合的發(fā)展現(xiàn)狀與展望[J];艦船電子工程;2002年06期

8 溫學兵;紀景娜;;一種基于圖像融合的混合去噪方法[J];綏化學院學報;2005年06期

9 苗啟廣;王寶樹;;圖像融合的非負線性混合模型與算法研究[J];計算機科學;2005年09期

10 趙永強,潘泉,陳玉春,張洪才;基于偏振成像技術和圖像融合理論雜亂背景壓縮[J];電子學報;2005年03期

相關會議論文 前10條

1 劉德坤;龔俊斌;馬佳義;田金文;;一種車載的紅外與微光圖像融合系統(tǒng)設計[A];第九屆全國光電技術學術交流會論文集（上冊）[C];2010年

2 王芳;吳謹;;基于小波的圖像融合算法研究[A];2011年全國通信安全學術會議論文集[C];2011年

3 胡學龍;沈潔;;一種基于中值金字塔的圖像融合算法[A];2008年全國開放式分布與并行計算機學術會議論文集(上冊)[C];2008年

4 趙向陽;杜利民;;基于數(shù)據(jù)提純的圖像融合[A];現(xiàn)代通信理論與信號處理進展——2003年通信理論與信號處理年會論文集[C];2003年

5 楊志;毛士藝;陳煒;;基于多分辨率局部峰度熵的魯棒圖像融合算法[A];中國航空學會信號與信息處理專業(yè)全國第八屆學術會議論文集[C];2004年

6 王曾敏;楊兆選;丁學文;何英華;陳楊;于淵;;圖像融合與壓縮算法在動態(tài)交通信息服務系統(tǒng)中的應用[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

7 潘泉;趙永強;張洪才;;基于像素層圖像融合的偏振圖像計算方法研究[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

8 陳懷新;吳必富;;機載成像偵察的圖像融合技術[A];中國雷達行業(yè)協(xié)會航空電子分會暨四川省電子學會航空航天專委會學術交流會論文集[C];2005年

9 成尚利;呂中偉;何俊民;;基于小波變換的PET/CT圖像融合[A];第四屆全國中青年核醫(yī)學學術會議論文匯編[C];2008年

10 湯志偉;王建國;趙志欽;黃順吉;;基于小波變換的圖像融合算法[A];第九屆全國信號處理學術年會（CCSP-99）論文集[C];1999年

相關重要報紙文章 前1條

1 陳鳴;軍工巨頭中光學集團欲“影”響世界[N];中國電力報;2010年

相關博士學位論文 前10條

1 王春萌;多曝光圖像融合關鍵技術的研究[D];山東大學;2015年

2 費春;基于智能優(yōu)化和視覺顯著性的圖像融合研究[D];電子科技大學;2015年

3 段昶;基于Shearlet的圖像融合研究[D];電子科技大學;2014年

4 史立芳;大視場人工復眼成像結構研究與實驗[D];電子科技大學;2014年

5 高國榮;基于Shearlet變換的圖像融合與去噪方法研究[D];西安電子科技大學;2015年

6 王娟;基于城鎮(zhèn)影像的Contourlet域圖像融合算法研究[D];成都理工大學;2015年

7 李奕;圖像融合的若干關鍵技術研究[D];江南大學;2015年

8 宋樂;異源圖像融合及其評價方法的研究[D];天津大學;2008年

9 胡旺;圖像融合中的關鍵技術研究[D];四川大學;2006年

10 楊翠;圖像融合與配準方法研究[D];西安電子科技大學;2008年

相關碩士學位論文 前10條

1 杜麗;基于RF5框架的多小波圖像融合系統(tǒng)的設計與開發(fā)[D];內(nèi)蒙古大學;2015年

2 王坤臣;基于二代Curvelet變換的圖像融合算法研究[D];南京理工大學;2015年

3 李寧;多DSP并行系統(tǒng)圖像融合算法設計及優(yōu)化[D];南京理工大學;2015年

4 陳云川;紅外與微光融合的實時信號處理技術研究[D];南京理工大學;2015年

5 張澤;基于NSCT變換的壓縮感知圖像融合優(yōu)化算法研究[D];大連海事大學;2015年

6 陶媛媛;紅外與微光融合夜視系統(tǒng)性能評價[D];南京理工大學;2015年

7 李蕾;抗混疊輪廓波變換的性能研究及圖像融合去噪應用[D];山東大學;2015年

8 米艷芹;基于區(qū)域和多尺度的圖像融合算法研究[D];電子科技大學;2015年

9 唐詩;基于多尺度變換的無源毫米波圖像融合算法研究[D];電子科技大學;2014年

10 李龍龍;基于分數(shù)階傅里葉變換的圖像融合算法研究[D];哈爾濱工業(yè)大學;2014年

本文編號：1801430