由于圖像采集設(shè)備的局限性,單一圖像無法全方位展示場(chǎng)景的信息,因此,提出了圖像融合的思想。圖像融合是利用圖像之間信息的冗余性和互補(bǔ)性,提取源圖像中的“感興趣的”特征信息,融合成信息全面的清晰的圖像,進(jìn)一步提高圖像的空間感知能力、利于圖像分析處理,更加適合于人類視覺識(shí)別和計(jì)算機(jī)后續(xù)檢測(cè)、分類等工作。隨著科技的進(jìn)步,生活的快節(jié)奏,圖像的多類型,使得圖像融合的實(shí)時(shí)性、普適性成為迫切解決的關(guān)鍵問題。本文在參閱大量的中外文獻(xiàn)的基礎(chǔ)上,針對(duì)多聚焦圖像、醫(yī)學(xué)圖像、紅外與可見光圖像的融合,從特征的精準(zhǔn)度、方法的普適性和實(shí)時(shí)性三方面考慮,設(shè)計(jì)和實(shí)現(xiàn)了四種圖像快速融合的方法。其主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下:（1）針對(duì)圖像的塊效應(yīng)問題,從鄰域的內(nèi)容相關(guān)性出發(fā),提出了自適應(yīng)差分進(jìn)化算法。利用種群進(jìn)化自適應(yīng)調(diào)整縮放因子和交叉因子,實(shí)現(xiàn)了分區(qū)的自適應(yīng);通過啟發(fā)式搜索策略,迭代求得分塊的最佳尺寸。結(jié)合拉普拉斯金字塔變換,設(shè)計(jì)了基于自適應(yīng)差分進(jìn)化算法的多聚焦圖像融合方法。近似系數(shù)利用自適應(yīng)差分進(jìn)化算法劃分區(qū)域,利用SML計(jì)算區(qū)域的聚焦度并形成融合決策圖,借助逐像素加權(quán)融合規(guī)則完成近似系數(shù)融合。細(xì)節(jié)系數(shù)采用了局部區(qū)域梯度能量... 

【文章來源】：北京科技大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：147 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖１－１同一視角下的醫(yī)學(xué)圖像融合??

?北京科技大學(xué)博士學(xué)位論文???同理，在安全監(jiān)控夜視環(huán)境下，將關(guān)注熱輻射的移動(dòng)對(duì)象與提供環(huán)境細(xì)??節(jié)信息的可見光圖像相融合，合并成一幅既包含移動(dòng)對(duì)象，又有場(chǎng)景細(xì)節(jié)的??圖像，為安保人員精準(zhǔn)定位移動(dòng)物體在場(chǎng)景中的位置提供了幫助。如圖１－２所??示，圖１－２⑻為紅外圖像，圖ｌ－２（ｂ）為可見光圖像，圖１－２（ｃ）為融合圖像，結(jié)??合了紅外圖像和可見光圖像的信息，信息完整。??（ａ）紅外圖像?（ｂ）可見光圖像?（ｃ）融合圖像??圖１－２同一視角下的安保夜視圖像融合??數(shù)字?jǐn)z影時(shí)，受制于拍攝硬件的局限性，受環(huán)境和工作范圍的影響，照??相機(jī)一次拍攝很難獲得信息全面的圖像。由此，將同一場(chǎng)景，多次拍攝的聚??焦不同區(qū)域的圖像提取特征、融合為一幅全聚焦圖像，實(shí)現(xiàn)了場(chǎng)景的清晰再??現(xiàn)。如圖１－３，?１－４所示。圖ｌ－３（ａ）為左側(cè)聚焦的灰度圖像，圖ｌ－３（ｂ）為右側(cè)聚??焦的灰度圖像，圖ｌ－３（ｃ）為灰度融合圖像。圖ｌ－４（ａ）為左側(cè)聚焦的彩色圖像，??圖ｌ－４（ｂ）為右側(cè)聚焦的彩色圖像，圖ｌ－４（ｃ）為彩色融合圖像�？梢钥闯�，融合??后的圖像更加清晰。??（ａ）左聚焦圖像?（ｂ）右聚焦圖像?（ｃ）融合圖像??圖１－３同一視角下的多聚焦灰度圖像融合??除此之外，圖像融合技術(shù)對(duì)遙感圖像、多曝光圖像等方面的應(yīng)用也有研??宄，并取得了很好的效果。由此可知，圖像融合技術(shù)在醫(yī)學(xué)診斷、安保領(lǐng)域、??軍事（導(dǎo)航）、電影娛樂、農(nóng)業(yè)等領(lǐng)域發(fā)揮著重要的作用，具有重要的意義。??隨著科技的發(fā)展，圖像的類型越來越多，應(yīng)用領(lǐng)域越來越廣泛，融合技術(shù)需??不斷的更新迭代。所以，圖像融合技術(shù)的不斷研宄對(duì)科技進(jìn)步、社會(huì)發(fā)展具??有重要的現(xiàn)實(shí)意義和應(yīng)

?多源圖像像素級(jí)快速融合方法研究???Ｉ醒興調(diào)１＾＾驗(yàn)■??ＨＨＨｍＩ??（ａ）左聚焦圖像?（ｂ）右聚焦圖像?（ｃ）融合圖像??圖１－４同一視角下的多聚焦彩色圖像融合??１．３研宄內(nèi)容及創(chuàng)新點(diǎn)??圖像融合是將同一場(chǎng)景不同條件下獲取的兩幅或多幅圖像對(duì)應(yīng)像素點(diǎn)進(jìn)??行比較、選擇、合并為一幅圖像。由于圖像獲取方式不同，圖像大孝角度??等在空間位置上存有差異。而圖像配準(zhǔn)是尋找一種空間域變換，如幾何變換，??把多幅圖像中對(duì)應(yīng)于同一位置的像素點(diǎn)，經(jīng)坐標(biāo)點(diǎn)對(duì)齊、旋轉(zhuǎn)、平移、尺度??拉伸等操作一一對(duì)準(zhǔn)，其目的是實(shí)現(xiàn)圖像的空間一致性。圖像配準(zhǔn)的效果直??接影響了融合效果，圖像配準(zhǔn)越理想，融合效果越完美。??從廣義上來講，圖像融合定義為圖像配準(zhǔn)和圖像融合兩個(gè)過程。從狹義??上來講，圖像配準(zhǔn)和圖像融合是圖像處理中兩個(gè)不同的研宄方向。而圖像融??合是將配準(zhǔn)好的圖像，選擇某一融合策略，將輸入的圖像合并成一張圖像。??而本論文研究的圖像融合是狹義上的定義，實(shí)驗(yàn)采用的都是經(jīng)像素級(jí)或亞像??素級(jí)配準(zhǔn)的圖像。其框架如圖１－５所示，圖像融合是圖像配準(zhǔn)之后的運(yùn)算。??根據(jù)信息融合理論和特征抽取粒度，圖像融合技術(shù)被細(xì)分為三個(gè)層次：像素??級(jí)、特征集和決策級(jí)［５］。??源圖像１—？圖了＞特廣目另ｉｊ結(jié)—??：?像征，?標(biāo)?＾??１?配提?：?識(shí)?：??源圖像準(zhǔn)ｐ��？引??▼Ｖ??Ｗ???▼▼??像素級(jí)融合?特征級(jí)融合?決策級(jí)融合??圖像處理??圖１－５圖像融合框架??像素級(jí)融合是最低層次的融合，處理對(duì)象為像素或系數(shù)。原理是利用某??－４?－??

【參考文獻(xiàn)】：
期刊論文
[1]基于CNN與關(guān)鍵區(qū)域特征的人臉表情識(shí)別算法[J]. 薛建明,劉宏哲,袁家政,王雪嶠,李青,楊少鵬.  傳感器與微系統(tǒng). 2019(10)
[2]基于改進(jìn)的全卷積神經(jīng)網(wǎng)絡(luò)的路面裂縫分割技術(shù)[J]. 翁飄,陸彥輝,齊憲標(biāo),楊守義.  計(jì)算機(jī)工程與應(yīng)用. 2019(16)
[3]Multi-focus image fusion with the all convolutional neural network[J]. 杜超本,高社生.  Optoelectronics Letters. 2018(01)
[4]基于人眼視覺特性與自適應(yīng)PCNN的醫(yī)學(xué)圖像融合算法[J]. 戴文戰(zhàn),潘樹偉,李俊峰.  光電子·激光. 2017(07)
[5]基于視覺顯著性和NSCT的紅外與可見光圖像融合[J]. 傅志中,王雪,李曉峰,徐進(jìn).  電子科技大學(xué)學(xué)報(bào). 2017(02)
[6]引導(dǎo)濾波和稀疏表示相結(jié)合的遙感圖像融合算法[J]. 王威,張佳娥.  小型微型計(jì)算機(jī)系統(tǒng). 2017(03)
[7]基于多尺度局部方差的圖像融合質(zhì)量評(píng)價(jià)算法[J]. 羅蘭,杜欽生.  計(jì)算機(jī)工程. 2017(02)
[8]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[9]基于NSCT和稀疏表示的多聚焦圖像融合[J]. 歐陽寧,鄭雪英,袁華.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(01)
[10]基于結(jié)構(gòu)組稀疏表示的遙感圖像融合[J]. 張曉,薛月菊,涂淑琴,胡月明,寧曉鋒.  中國(guó)圖象圖形學(xué)報(bào). 2016(08)

碩士論文
[1]基于GPU的圖像特征提取并行關(guān)鍵技術(shù)研究[D]. 高晨.南京郵電大學(xué) 2018



本文編號(hào)：3536323