隨著圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域的發(fā)展,圖像融合技術(shù)得到快速發(fā)展和應(yīng)用,并成為圖像處理的重要手段之一。它主要是將多傳感器中收集的圖像進(jìn)行同一目標(biāo)或場(chǎng)景的融合處理,重新得到擁有更多包含源圖像信息的圖像,從而方便人們快速理解圖像含義。此外,除了研究圖像融合技術(shù)的發(fā)展,保證圖像信息在易受攻擊、不安全的傳輸網(wǎng)絡(luò)中的安全性也是十分重要的。本文以濾波器理論、稀疏表示理論為基礎(chǔ),充分利用稀疏表示可以降維、去噪等特性,結(jié)合圖像融合特點(diǎn)設(shè)計(jì)了一個(gè)新穎的圖像融合算法。進(jìn)一步,以混沌理論和圖像加密理論為基礎(chǔ),充分利用混沌系統(tǒng)的高敏感性、不規(guī)則性、隨機(jī)性等特性,設(shè)計(jì)了一個(gè)保證圖像融合過(guò)程安全的算法,本文完成的主要工作包括:（1）研究了基于稀疏表示的圖像融合理論、濾波器理論、混沌理論和混沌加密算法,對(duì)如何設(shè)計(jì)高效的結(jié)合稀疏表示和混沌加密的圖像融合算法有了系統(tǒng)、全面的認(rèn)識(shí)。通過(guò)研究目前的算法,并對(duì)相關(guān)算法進(jìn)行優(yōu)缺點(diǎn)評(píng)價(jià),分析現(xiàn)今主要的圖像融合和混沌加密算法特點(diǎn),為后續(xù)研究奠定基礎(chǔ)。（2）提出了一種基于引導(dǎo)濾波和稀疏表示的圖像融合算法。該算法能解決基于變換域融合算法不能更高效、完整地表達(dá)源圖像信息和單一字典學(xué)習(xí)忽略圖像... 

【文章來(lái)源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

不同的圖像融合方法示意圖

重慶大學(xué)碩士學(xué)位論文2基礎(chǔ)知識(shí)62基礎(chǔ)知識(shí)2.1基于稀疏表示的圖像融合2.1.1稀疏表示理論基于稀疏表示的圖像融合算法是變換域圖像融合的方法之一。該算法的本質(zhì)是通過(guò)少量原子數(shù)表示源圖像來(lái)實(shí)現(xiàn)對(duì)多源圖像的重構(gòu)、表示、壓縮等，這是一種更加精準(zhǔn)、高效的融合方法。因此，該方法受到越來(lái)越多國(guó)內(nèi)外專(zhuān)家學(xué)者的關(guān)注，并將稀疏表示方法應(yīng)用于信號(hào)表示、圖像修復(fù)、圖像識(shí)別、圖像去噪等領(lǐng)域。稀疏表示起源于生命科學(xué)領(lǐng)域，最初由美國(guó)康奈爾大學(xué)教授Olshausen和Field在1996年提出[35]，因?yàn)樗麄儼l(fā)現(xiàn)哺乳動(dòng)物在視覺(jué)上會(huì)將較復(fù)雜、有特征性質(zhì)的物體簡(jiǎn)化成容易記憶和容易表示的形式。因此，他們根據(jù)這一發(fā)現(xiàn)的視覺(jué)特性現(xiàn)象大膽假設(shè)提出“自然圖片或數(shù)據(jù)信息都可以由一組基線(xiàn)性組合而成”的稀疏編碼理論，引起國(guó)內(nèi)外研究者的廣泛關(guān)注。此后，經(jīng)過(guò)大量研究人員前赴后繼的推進(jìn)與發(fā)展，稀疏表示逐漸形成了一套完整的理論體系[36,37]。稀疏表示的本質(zhì)其實(shí)是一個(gè)數(shù)學(xué)運(yùn)算，它的目標(biāo)是用最少的原子對(duì)圖像信息進(jìn)行線(xiàn)性表示，即將一組信號(hào)或圖像這類(lèi)的高維數(shù)據(jù)進(jìn)行線(xiàn)性分解。假設(shè)存在一組信號(hào)為=($,&,(),∈(，然后給定一個(gè)基或過(guò)完備的字典∈(×.，則該信號(hào)y的稀疏表示數(shù)學(xué)模型如式2.1所示：（2.1）觀察式2.1可得出，其中 =($,&,(),∈.代表稀疏表示系數(shù)，它是一個(gè)一維向量；D代表超完備字典，表示圖像基，字典D的每列2稱(chēng)為原子，并且nm；‖‖8表示稀疏表示系數(shù) 的0范數(shù)，它的實(shí)際含義是稀疏表示系數(shù)中的非零元素個(gè)數(shù)。圖2.1稀疏表示過(guò)程Fig2.1Sparserepresentationprocessmin|z|0,s.t.y=Dz

重慶大學(xué)碩士學(xué)位論文2基礎(chǔ)知識(shí)9表稀疏系數(shù)矩陣中的任意列，Τ 是用于約束稀疏度的常量。K-SVD主要采用以下步驟實(shí)現(xiàn)：①構(gòu)造初始過(guò)完備字典8，通常一般使用DCT字典；②已知給定訓(xùn)練樣本Y 和初始字典8，使用OMP跟蹤算法稀疏編碼獲得到稀疏系數(shù)矩陣z；③更新字典。計(jì)算誤差矩陣D和對(duì)字典 中第k列，即2 (=1,2,n) 執(zhí)行迭代更新。（2.10）從式2.10中觀察得出，矩陣D代表除第K個(gè)原子的矩陣。從D中選擇與2相關(guān)的列構(gòu)成矩陣DG，然后為DG進(jìn)行奇異值分解（SVD），即DG=K，將字典元素2更新為矩陣U的第一列，用V的第一列乘(1,1)來(lái)更新系數(shù)向量G2。④將更新后的字典 在訓(xùn)練樣本Y上進(jìn)行T次循環(huán)稀疏編碼和更新字典，最終獲得學(xué)習(xí)字典 。2.1.2基于稀疏表示的圖像融合通常，基于稀疏表示的圖像融合算法如圖2.2所示，其主要步驟如下：①選擇字典D�？梢赃x用固定字典或根據(jù)樣本集合構(gòu)造學(xué)習(xí)字典；②稀疏求解。將待融合圖像A、B和過(guò)完備字典D按照稀疏求解算法求解出最優(yōu)稀疏系數(shù)矩陣N和O；③融合。按照一定的稀疏系數(shù)融合規(guī)則對(duì)獲得的稀疏系數(shù)進(jìn)行融合得到P；④重構(gòu)。將上一步驟獲得的融合稀疏系數(shù)P和對(duì)應(yīng)字典D相乘重構(gòu)，從而獲得質(zhì)量提升的融合圖像F。圖2.2基于稀疏表示的圖像融合算法框架Fig2.2Imagefusionalgorithmframeworkbasedonsparserepresentation|YDz|22=|Y(djXTj+j≠K∑dKXTK)|22=|EKdKXTK|22


本文編號(hào)：3138210