本文關(guān)鍵詞：基于多尺度多方向變換域統(tǒng)計建模的圖像融合方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：圖像融合是通過一定的算法將兩幅或多幅源圖像融合成一幅新圖像的過程。得到的融合圖像能夠保留源圖像的有用信息,去除冗余信息。由于融合后圖像觀測的準確性和魯棒性更高,可信度和可理解性更好,這就更有利于人和計算機有效、可靠和全面地對圖像信息進行后續(xù)處理。作為信息融合的一個重要分支,圖像融合技術(shù)在計算機視覺、人工智能和圖像理解等領(lǐng)域得到了廣泛的應用和研究。圖像融合方法通常包括空域和變換域方法。而基于多尺度多方向變換域的圖像融合方法,能夠從低頻到高頻多層次地處理圖像信息,從而得到了良好的融合效果和性能指標。目前,該研究課題是圖像融合研究領(lǐng)域的熱點�；诙喑叨榷喾较蜃儞Q域的圖像融合方法在圖像融合領(lǐng)域中的應用相當廣泛。它包括基于金字塔變換、小波變換和Contourlet變換等的圖像融合方法。多尺度多方向分析在捕捉圖像的邊緣、輪廓等重要方向結(jié)構(gòu)信息方面具有顯著的優(yōu)勢。通過在此變換域建立合理的統(tǒng)計模型,并結(jié)合精確估計的模型參數(shù)來設(shè)置融合規(guī)則,可以使圖像融合的效果更佳。因此,研究基于多尺度多方向變換域統(tǒng)計建模的圖像融合方法具有重要的理論和應用意義。本文首先詳細地介紹了圖像融合的國內(nèi)外研究現(xiàn)狀和發(fā)展動態(tài),綜述了一些經(jīng)典的基于空間域和變換域的圖像融合方法,分析了基于多尺度多方向變換域圖像融合的基本原理和融合框架,歸納總結(jié)了圖像質(zhì)量的評價標準和分類。然后,介紹了基于小波域統(tǒng)計建模的多聚焦圖像融合方法。在Burt融合規(guī)則的基礎(chǔ)上,采用小波變換,結(jié)合主成分分析(PCA)和廣義高斯分布(GGD)建模,實現(xiàn)圖像融合。采用主觀評價和客觀評價的方法,將實驗結(jié)果與加權(quán)平均法、基于PCA方法、區(qū)域能量法等現(xiàn)有的典型融合算法進行了對比和分析。實驗結(jié)果表明,由本文提出的融合算法所得到的融合圖像的信息量更豐富、保真度更高。其次,分析了基于Contourlet變換域統(tǒng)計建模的圖像融合方法。本文在Contourlet變換基礎(chǔ)上,提出將混合高斯模型(GMM)與廣義高斯模型聯(lián)合建模的融合方法。該方法將Contourlet變換域的高頻子帶和低頻子帶分別采用廣義高斯和混合高斯建模,通過利用估計得到的分布參數(shù),分別在改進的Burt融合規(guī)則和后驗概率加權(quán)平均下實現(xiàn)圖像融合。分別對多聚焦圖像、遙感圖像和醫(yī)學圖像進行了融合實驗,并將本文實驗結(jié)果與在同等實驗條件下基于小波變換的方法進行了對比和分析。實驗結(jié)果表明,本文算法不僅能夠增強融合圖像的空間細節(jié)信息,使信息量更豐富,視覺效果和性能更好,而且驗證了該融合算法適合于較為廣泛類型圖像的融合。最后,介紹了基于金字塔雙樹方向濾波器組(PDTDFB)變換域統(tǒng)計建模的圖像融合方法。PDTDFB變換具有更好的多尺度多方向分析能力,其方向選擇更加豐富,平移不變性更強�；诖俗儞Q,采用混合拉普拉斯模型(LMM)對各子帶建模,確定融合參數(shù),得到融合圖像。分別對多聚焦圖像、遙感圖像和醫(yī)學圖像進行了圖像融合實驗,并與小波變換域在同等實驗條件下的實驗結(jié)果進行對比。實驗結(jié)果表明,該方法能有效地融合多種類型的源圖像,尤其在細節(jié)信息的保持方面效果更為突出。
【關(guān)鍵詞】：圖像融合 多尺度多方向變換 統(tǒng)計建模 融合規(guī)則 質(zhì)量評價標準
【學位授予單位】：山東建筑大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 緒論12-22
• 1.1 研究的背景及意義12-13
• 1.2 圖像融合技術(shù)概述13-17
• 1.2.1 圖像融合的層次劃分13-14
• 1.2.2 常見的圖像融合方法14-17
• 1.3 國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)17-19
• 1.4 主要研究內(nèi)容及論文結(jié)構(gòu)安排19-22
• 1.4.1 論文主要研究內(nèi)容19-20
• 1.4.2 論文結(jié)構(gòu)安排20-22
• 第二章 基于多尺度多方向變換域統(tǒng)計建模的圖像融合體系概述22-29
• 2.1 引言22
• 2.2 基于多尺度多方向圖像融合算法的基本框架22-23
• 2.3 多尺度多方向圖像分析技術(shù)23-24
• 2.4 基于Burt思想的融合規(guī)則24-25
• 2.5 圖像融合的質(zhì)量評價標準指標25-27
• 2.5.1 主觀評價法25-26
• 2.5.2 客觀評價法26-27
• 2.6 本章小結(jié)27-29
• 第三章 基于小波變換域統(tǒng)計建模的多聚焦圖像融合方法29-40
• 3.1 引言29-30
• 3.2 小波變換及其圖像融合框架30
• 3.3 主成分分析法(PCA)30-31
• 3.4 高頻子帶系數(shù)的廣義高斯分布(GGD)建模31-32
• 3.5 區(qū)域能量融合32
• 3.6 基于PCA和GGD建模的圖像融合方法32-34
• 3.7 實驗結(jié)果與討論34-39
• 3.7.1 高頻子帶圖像的GGD建模34-35
• 3.7.2 小波分解層數(shù)的選取35-36
• 3.7.3 小波濾波器的選取36
• 3.7.4 匹配測度閾值的選取36-37
• 3.7.5 與目前的圖像融合方法比較37-39
• 3.8 本章小結(jié)39-40
• 第四章 基于Contourlet變換域統(tǒng)計建模的圖像融合方法40-54
• 4.1 引言40-41
• 4.2 輪廓波(Contourlet)變換41-42
• 4.3 高斯混合模型(GMM)42
• 4.4 高斯混合模型的EM算法42-43
• 4.5 Contourlet變換域聯(lián)合統(tǒng)計建模的圖像融合框架43-45
• 4.6 實驗結(jié)果與討論45-52
• 4.6.1 低頻子帶圖像的GMM建模46
• 4.6.2 高頻子帶圖像的GGD建模46-47
• 4.6.3 匹配測度閾值的選取47-48
• 4.6.4 與目前的圖像融合方法比較48-52
• 4.7 本章小結(jié)52-54
• 第五章 基于金字塔雙樹方向濾波器組域統(tǒng)計建模的圖像融合方法54-66
• 5.1 引言54
• 5.2 金字塔雙樹方向濾波器組(PDTDFB)變換54-57
• 5.3 混合拉普拉斯建模(LMM)57-59
• 5.4 基于PDTDFB變換的圖像融合框架59-60
• 5.5 實驗結(jié)果與討論60-65
• 5.5.1 系數(shù)子帶的混合拉普拉斯建模60-62
• 5.5.2 與目前的圖像融合方法比較62-65
• 5.6 本章小結(jié)65-66
• 第六章 總結(jié)與展望66-69
• 6.1 本文主要研究工作內(nèi)容66-67
• 6.2 研究展望67-69
• 參考文獻69-75
• 致謝75-76
• 攻讀碩士學位期間論文發(fā)表及科研情況76

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李文靜;溫文鵬;王清和;;基于Contourlet變換的遙感圖像融合方法研究[J];國土資源遙感;2015年02期

2 李白萍;孫啟昌;張雪燕;;基于Contourlet變換的多聚焦圖像融合算法研究[J];陜西理工學院學報(自然科學版);2014年04期

3 孟強強;楊桄;童濤;張儉峰;;基于小波變換的多聚焦圖像融合算法[J];國土資源遙感;2014年02期

4 侯玉寶;王景芳;;拉普拉斯混合分布語音模型研究[J];計算機工程與應用;2014年18期

5 蔡志芳;孫巍;;基于Contourlet變換多聚焦圖像融合方法[J];數(shù)據(jù)采集與處理;2013年06期

6 張華;黃輝;劉邦明;;結(jié)合Contourlet變換和區(qū)域特征的圖像融合算法[J];計算機工程與應用;2013年22期

7 羅雷;王士同;;基于鄰域場拉普拉斯混合模型圖像分割的研究[J];計算機工程與應用;2013年13期

8 郭明;王書滿;;基于區(qū)域和方向方差加權(quán)信息熵的圖像融合[J];系統(tǒng)工程與電子技術(shù);2013年04期

9 劉衛(wèi);殷明;欒靜;郭宇;;基于平移不變剪切波變換域圖像融合算法[J];光子學報;2013年04期

10 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

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 孫紅如;基于顯著性檢測的圖像融合算法研究[D];西安電子科技大學;2014年

2 王芳;基于小波分析的圖像融合算法研究[D];武漢科技大學;2011年

3 張峰;基于PDTDFB和HMM的圖像去噪研究[D];重慶大學;2010年

4 趙敏志;基于非采樣Contourlet變換的圖像融合技術(shù)研究[D];合肥工業(yè)大學;2009年

  本文關(guān)鍵詞：基于多尺度多方向變換域統(tǒng)計建模的圖像融合方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：303388