本文關(guān)鍵詞：基于視覺顯著性算法的圖像融合研究

  更多相關(guān)文章： 圖像融合 視覺顯著性 整數(shù)小波變換

【摘要】：圖像融合技術(shù)的發(fā)展起源于軍事領(lǐng)域,后通過不斷地發(fā)展,除了在軍事領(lǐng)域,如偵察等方面發(fā)揮重要的作用外,也開始在醫(yī)學(xué)領(lǐng)域被廣泛應(yīng)用于病理研究,農(nóng)業(yè)中的病蟲害防治和機(jī)器人作業(yè)以及地質(zhì)資源(如石油)勘探和海洋資源管理。越來越廣泛的應(yīng)用需求為圖像融合技術(shù)的研究及圖像處理提供了更加雄厚的資金支持,也促進(jìn)了其更快速的發(fā)展。本文研究了基于視覺顯著性和整數(shù)小波變換的圖像融合方法。在現(xiàn)有的圖像融合技術(shù)中,特別是在多聚焦圖像融合技術(shù)中,多尺度變換是應(yīng)用最為廣泛的像素級(jí)的圖像融合技術(shù),通過多尺度變換將源圖像分解成高頻部分和低頻部分,在通過選用適當(dāng)?shù)娜诤弦?guī)則,得到對(duì)應(yīng)的高頻和低頻系數(shù),最后通過多尺度反變換重構(gòu),得到最終的融合圖像。在這個(gè)過程中,尺度變換選用不同的變換方式或是在不同的頻段選取不同融合規(guī)則,都會(huì)對(duì)融合結(jié)果產(chǎn)生不同程度的影響,其效果也各有其優(yōu)劣。常用的尺度變換有金字塔變換和小波變換,本文中我們使用整數(shù)小波變換進(jìn)行多尺度分解。在經(jīng)過尺度變換后,需要選取高頻部分和低頻部分的融合規(guī)則,以往對(duì)于融合規(guī)則的研究往往集中在高頻部分融合規(guī)則的選擇上,本文選用系數(shù)絕對(duì)值較大法;而在低頻部分,往往采用領(lǐng)域最大法或是加權(quán)平均法,在本文中,通過使用視覺顯著性算法來獲取低頻融合系數(shù),通過分別獲取兩源圖像的低頻部分圖像的顯著圖,對(duì)于每一個(gè)像素點(diǎn),選取兩個(gè)源圖像對(duì)應(yīng)的顯著圖中更顯著的點(diǎn)對(duì)應(yīng)的低頻部分圖像的系數(shù)作為融合圖像的低頻系數(shù),對(duì)于顯著度相同的點(diǎn)以及均不顯著的點(diǎn),取兩者的平均值作為該點(diǎn)的低頻系數(shù),這樣利用視覺顯著性來彌補(bǔ)以往方法可能丟失掉的信息,最大限度地保留圖像的有用信息。獲取視覺顯著圖的過程中,分別選取Itti視覺顯著性算法、SR視覺顯著性算法和GBVS視覺顯著性算法來獲取視覺顯著圖,對(duì)比其融合結(jié)果的各項(xiàng)客觀指標(biāo),并在此基礎(chǔ)上提出了一種結(jié)合SR和GBVS的視覺顯著性算法。最后,通過實(shí)驗(yàn)結(jié)果與以往的融合方法的融合結(jié)果的參數(shù)對(duì)比,可以發(fā)現(xiàn),使用本文提出的結(jié)合SR和GBVS的視覺顯著性算法,與基于Itti視覺顯著性算法、SR視覺顯著性算法和GBVS視覺顯著性算法的圖像融合相比,在部分客觀參數(shù)指標(biāo)上有所提升。從融合結(jié)果圖像與源圖像之間的參數(shù)信息,可以發(fā)現(xiàn),使用本文提出的結(jié)合SR和GBVS的視覺顯著性算法進(jìn)行圖像融合能夠從兩源圖像中獲取到更多的信息,從融合結(jié)果圖像與標(biāo)準(zhǔn)參考圖像與之間的參數(shù)信息,可以發(fā)現(xiàn),使用本文提出的結(jié)合SR和GBVS的視覺顯著性算法進(jìn)行圖像融合,與標(biāo)準(zhǔn)參考圖之間的差距更小,相似度更高。
【關(guān)鍵詞】：圖像融合 視覺顯著性 整數(shù)小波變換
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 課題背景及研究意義10-11
• 1.2 研究背景及國內(nèi)外現(xiàn)狀11-13
• 1.2.1 圖像融合技術(shù)的發(fā)展11-12
• 1.2.2 圖像融合處理分類12-13
• 1.3 本文主要工作13
• 1.4 本文的結(jié)構(gòu)安排13-15
• 第2章 圖像融合理論15-26
• 2.1 圖像融合的概念15
• 2.2 圖像融合分類15-20
• 2.2.1 像素級(jí)圖像融合15-18
• 2.2.2 特征級(jí)圖像融合18-19
• 2.2.3 決策級(jí)融合19-20
• 2.3 圖像融合系統(tǒng)框架20
• 2.4 圖像融合質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)20-24
• 2.4.1 主觀評(píng)價(jià)標(biāo)準(zhǔn)21
• 2.4.2 客觀評(píng)價(jià)標(biāo)準(zhǔn)21-24
• 2.4.3 評(píng)價(jià)指標(biāo)的選取24
• 2.5 圖像融合的應(yīng)用領(lǐng)域24-26
• 第3章 視覺顯著性算法26-35
• 3.1 視覺顯著性理論26-28
• 3.1.1 視覺顯著性概念26
• 3.1.2 視覺顯著性理論的發(fā)展過程26-28
• 3.1.3 視覺顯著性算法的應(yīng)用28
• 3.2 現(xiàn)有的幾種顯著性模型28-35
• 3.2.1 Itti模型28-30
• 3.2.2 頻率譜殘差法30-32
• 3.2.3 GBVS基于圖形的顯著性32-35
• 第4章 基于視覺顯著性和整數(shù)小波變換的圖像融合35-45
• 4.1 小波變換的概念35-38
• 4.1.1 小波變換的由來35
• 4.1.2 小波變換的數(shù)學(xué)表達(dá)35-37
• 4.1.3 視覺顯著性檢測(cè)與小波變換相結(jié)合的圖像融合37-38
• 4.2 整數(shù)小波變換38-39
• 4.3 基于視覺顯著性算法的圖像融合的過程39
• 4.4 基于視覺顯著性和整數(shù)小波變換的圖像融合實(shí)驗(yàn)39-45
• 4.4.1 實(shí)驗(yàn)一39-42
• 4.4.2 實(shí)驗(yàn)二42-44
• 4.4.3 小結(jié)44-45
• 第5章 總結(jié)與展望45-47
• 5.1 本文工作總結(jié)45
• 5.2 工作展望45-47
• 參考文獻(xiàn)47-51
• 作者簡(jiǎn)介及科研成果51-52
• 致謝52

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 高浩然;潘晨;;視覺顯著性檢測(cè)與金字塔變換相結(jié)合的圖像融合[J];計(jì)算機(jī)科學(xué)與探索;2015年04期

2 胡甚;張基宏;柳偉;張正瑞;;一種基于視覺顯著性的圖像融合算法[J];電視技術(shù);2015年05期

3 張小利;李雄飛;李軍;;融合圖像質(zhì)量評(píng)價(jià)指標(biāo)的相關(guān)性分析及性能評(píng)估[J];自動(dòng)化學(xué)報(bào);2014年02期

4 李蘊(yùn)奇;;一種基于顯著性的多尺度圖像融合模型[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2013年02期

5 葉闖;沈益青;李豪;曹思汗;王柏祥;;基于人類視覺特性(HVS)的離散小波變換(DWT)數(shù)字水印算法[J];浙江大學(xué)學(xué)報(bào)(理學(xué)版);2013年02期

6 張偉;曾凡仔;曾慶光;;基于壓縮感知理論的圖像融合方法[J];計(jì)算機(jī)工程與應(yīng)用;2012年12期

7 劉秀堅(jiān);任仙怡;鄭義軍;胡濤;;圖像融合質(zhì)量主客觀評(píng)價(jià)相關(guān)性分析[J];深圳信息職業(yè)技術(shù)學(xué)院學(xué)報(bào);2011年01期

8 袁華;章皖秋;;基于小波變換遙感圖像融合技術(shù)研究[J];電腦知識(shí)與技術(shù);2011年02期

9 饒泓;扶名福;謝明祥;楊國泰;;基于決策級(jí)信息融合的設(shè)備故障診斷方法研究[J];中國機(jī)械工程;2009年04期

10 薛堅(jiān);于盛林;王紅萍;;一種基于提升小波變換和IHS變換的圖像融合方法[J];中國圖象圖形學(xué)報(bào);2009年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 盧彥飛;基于局部視覺特征的圖像質(zhì)量客觀評(píng)價(jià)方法研究[D];中國科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2015年

2 費(fèi)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(xué);2015年

3 孫巖;基于多分辨率分析的多傳感器圖像融合算法研究[D];哈爾濱工程大學(xué);2012年

4 王金玲;基于多分辨率分析的遙感圖像融合算法研究[D];中國科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2011年

5 王保云;圖像質(zhì)量客觀評(píng)價(jià)技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2010年

6 楊翠;圖像融合與配準(zhǔn)方法研究[D];西安電子科技大學(xué);2008年

7 黃世亮;磁共振圖像處理中若干問題的研究[D];中國科學(xué)院研究生院（武漢物理與數(shù)學(xué)研究所）;2006年

8 任獲榮;數(shù)學(xué)形態(tài)學(xué)及其應(yīng)用[D];西安電子科技大學(xué);2004年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 范艷玲;基于多分辨率分析的多聚焦圖像融合算法的研究與應(yīng)用[D];中北大學(xué);2014年

2 徐萌萌;基于小波變換的圖像融合算法研究[D];哈爾濱理工大學(xué);2014年

3 安文六;基于小波變換的多聚焦圖像融合算法的創(chuàng)新研究[D];浙江工商大學(xué);2014年

4 程俊兵;基于NSCT與區(qū)域特性的圖像融合算法研究[D];太原理工大學(xué);2013年

5 趙軼昌;基于SIFT和小波多尺度分析的多聚焦圖像融合方法研究[D];武漢理工大學(xué);2013年

6 王一丁;基于Shearlet和智能優(yōu)化算法的圖像融合方法研究[D];西安電子科技大學(xué);2013年

7 劉鳳陵;基于提升小波的地震勘探數(shù)據(jù)壓縮研究[D];青島大學(xué);2012年

8 王凱;基于邊緣顯著度的小波圖像融合方法研究[D];華中科技大學(xué);2011年

9 范文濤;基于小波變換的圖像融合技術(shù)研究[D];河南大學(xué);2010年

10 王玉山;基于神經(jīng)網(wǎng)絡(luò)的病理圖像融合識(shí)別研究與實(shí)現(xiàn)[D];武漢理工大學(xué);2010年

，

本文編號(hào)：952922