發(fā)布時間：2018-08-13 11:24

【摘要】：小波變換是一種多分辨率分析方法,其變換過程類似于金字塔變換,已廣泛應(yīng)用于圖像處理與信號處理等領(lǐng)域。運用小波變換能將圖像分解成低頻子帶和水平、垂直和對角三個方向的高頻子帶,其中低頻子帶是源圖像的近似,包含了源圖像的主要能量,高頻子帶包含圖像在不同尺度、不同方向上的細(xì)節(jié)信息,小波變換作為一種較新的數(shù)學(xué)工具,它具有良好的時頻分析能力,對高頻部分采用逐步精細(xì)的時域取樣步長,“聚焦”到對象的任意細(xì)節(jié),因此又被譽(yù)為“數(shù)學(xué)顯微鏡”。然而,傳統(tǒng)的小波變換只能捕捉水平,垂直和對角三個方向的信息,并不能很好地表示圖像的‘線奇異性’,在處理二維信號時有一定的局限性。本文運用傅立葉變換與時頻分析方法,研究了有限離散剪切波的構(gòu)造方法,通過構(gòu)造若干個預(yù)備函數(shù),提供了剪切波的一種新的構(gòu)造方法,構(gòu)造了錐面上和低頻上的剪切波。有限離散剪切波變換具有良好的局部化特性與平移不變性。為了提高多聚焦圖像和紅外與可見光圖像的融合精度,提出了一種基于有限離散剪切波變換(FD ST)的圖像梯度信息相關(guān)性因子加權(quán)與對比度相結(jié)合的融合算法。首先,對嚴(yán)格配準(zhǔn)后的圖像進(jìn)行FDST分解,得到低頻子帶系數(shù)和不同尺度不同方向的高頻子帶系數(shù);然后對低頻子帶系數(shù)采用圖像梯度信息相關(guān)性因子加權(quán)融合算法,高頻子帶系數(shù)則利用對比度將低頻系數(shù)與高頻系數(shù)聯(lián)系起來并以對比度作為度量系數(shù)取舍的準(zhǔn)則進(jìn)行融合;最后,運用有限離散剪切波逆變換重構(gòu)而得到融合圖像,并對融合圖像進(jìn)行主觀視覺和客觀評價。實驗結(jié)果表明,該算法在主觀視覺效果和客觀評價指標(biāo)上優(yōu)于其它融合算法。針對已有圖像融合過程的不足之處,提出了四種不同的圖像融合策略。為了說明本文融合策略的有效性和有限離散剪切波變換的優(yōu)越性,對多聚焦圖像和紅外與可見光圖像進(jìn)行仿真實驗。首先,比較不同變換域下同一融合策略的融合效果,這里用到的小波變換有離散小波變換(DWT),非下采樣輪廓波變換(NSCT),非抽樣雙樹復(fù)小波變換(UDTCWT),非下采樣剪切波變換(NSST),有限離散剪切波變換(FDST)。其次,比較同一變換域下不同融合策略的融合效果。最后,對不同文獻(xiàn)的圖像融合算法進(jìn)行比較。實驗結(jié)果表明,與其它的圖像融合算法相比較,本文算法不但有良好的主觀視覺效果,而且各項客觀指標(biāo)均有所提高,充分說明了本文融合算法的有效性。
[Abstract]:Wavelet transform is a kind of multi-resolution analysis method. Its transformation process is similar to pyramid transform and has been widely used in image processing and signal processing. The main energy of the image, the high frequency subband contains the detailed information of the image in different scales and directions. As a new mathematical tool, wavelet transform has good time-frequency analysis ability. It uses step-by-step fine time-domain sampling step for the high frequency part and "focuses" on any detail of the object, so it is also known as "mathematical display". However, the traditional wavelet transform can only capture the horizontal, vertical and diagonal information, and can not well represent the "line singularity" of the image. It has certain limitations in processing two-dimensional signals. Several reserve functions provide a new method for constructing shear waves on cones and low frequencies. Finite discrete shear wave transform has good localization and translation invariance. In order to improve the fusion accuracy of multi-focus images and infrared and visible images, a finite discrete shear wave is proposed. Firstly, low-frequency subband coefficients and high-frequency subband coefficients of different scales and directions are obtained by FDST decomposition of the image after strict registration. Then, low-frequency subband coefficients are fused by weighted image gradient information correlation factor. The high-frequency sub-band coefficients are fused by the contrast between the low-frequency coefficients and the high-frequency coefficients, and the contrast is used as the criterion for the selection of the measurement coefficients. Finally, the fused image is reconstructed by inverse transform of finite discrete shear wave, and the fused image is evaluated subjectively and objectively. Four different image fusion strategies are proposed to overcome the shortcomings of the existing image fusion process. To illustrate the effectiveness of the fusion strategy and the advantages of the finite discrete shear wave transform, the multi-focus image and the infrared and visible image are simulated. Firstly, the fusion results of the same fusion strategy in different transform domains are compared. The wavelet transform used here includes discrete wavelet transform (DWT), non-downsampling contour wave transform (NSCT), non-sampling dual-tree complex wavelet transform (UDTCWT), non-downsampling shear wave transform (NSST), finite discrete shear wave transform (FDST). Secondly, the wavelet transform used in the same transform domain is compared. Finally, the fusion results of different fusion strategies are compared with those of other fusion algorithms. The experimental results show that the proposed algorithm not only has good subjective visual effects, but also improves the objective indicators, which fully demonstrates the effectiveness of the proposed fusion algorithm.
【學(xué)位授予單位】：西安建筑科技大學(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 鄧江洪;趙領(lǐng);;基于小波變換的激光雷達(dá)圖像融合研究[J];激光雜志;2015年12期

2 陳清江;王世恒;陳歡;;二元向量值雙正交小波濾波器的構(gòu)造與性質(zhì)[J];蘭州理工大學(xué)學(xué)報;2015年02期

3 鄭偉;孫雪青;李哲;;shearlet變換和區(qū)域特性相結(jié)合的圖像融合[J];激光技術(shù);2015年01期

4 陳廣秋;高印寒;劉廣文;孫俊喜;;有限離散剪切波域結(jié)合區(qū)域客觀評價的圖像融合[J];吉林大學(xué)學(xué)報(工學(xué)版);2014年06期

5 王正林;;基于對比度的小波圖像融合算法研究[J];激光與紅外;2014年09期

6 徐小軍;王友仁;陳帥;;基于下采樣分?jǐn)?shù)階小波變換的圖像融合新方法[J];儀器儀表學(xué)報;2014年09期

7 韓瀟;彭力;;基于改進(jìn)拉普拉斯金字塔的圖像融合方法[J];自動化與儀器儀表;2014年05期

8 王建;王必寧;楊根善;張少應(yīng);;基于形態(tài)學(xué)金字塔的醫(yī)學(xué)圖像融合技術(shù)[J];兵工自動化;2014年01期

9 童濤;楊桄;譚海峰;任春穎;;基于NSCT變換的多傳感器圖像融合算法[J];地理與地理信息科學(xué);2013年02期

10 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

相關(guān)博士學(xué)位論文 前5條

1 陳廣秋;基于多尺度分析的多傳感器圖像融合技術(shù)研究[D];吉林大學(xué);2015年

2 楊揚(yáng);基于多尺度分析的圖像融合算法研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2013年

3 宋宜美;圖像處理的超小波分析與變分方法研究[D];西安電子科技大學(xué);2012年

4 倪偉;基于多尺度幾何分析的圖像處理技術(shù)研究[D];西安電子科技大學(xué);2008年

5 衡彤;小波分析及其應(yīng)用研究[D];四川大學(xué);2003年

相關(guān)碩士學(xué)位論文 前2條

1 劉志國;小波框架與小波緊框架的構(gòu)造[D];陜西師范大學(xué);2006年

2 徐慧;實時數(shù)據(jù)庫中數(shù)據(jù)壓縮算法的研究[D];浙江大學(xué);2006年

，

本文編號：2180835