本文關(guān)鍵詞：基于多尺度復(fù)變換的多傳感器圖像融合

  更多相關(guān)文章： 圖像融合 可平移復(fù)方向金字塔變換 單演小波變換 幅相聯(lián)合信息

【摘要】：圖像融合就是將同一場景的多幅圖像中的信息結(jié)合起來,生成一幅更適合人眼感知,或后續(xù)圖像處理的圖像,已經(jīng)廣泛用于偵查監(jiān)視、遙感、醫(yī)學(xué)成像和計(jì)算機(jī)視覺等領(lǐng)域。相對于離散小波變換等多尺度實(shí)系數(shù)變換工具,多尺度復(fù)變換得到的變換系數(shù)不僅包含幅度信息,還包含相位信息。并且,相對于幅度信息,復(fù)變換系數(shù)的相位信息包含了更多有用信息(如圖像空間結(jié)構(gòu)特征等)。然而,目前大多數(shù)基于多尺度復(fù)變換的圖像融合算法,僅僅利用了復(fù)變換系數(shù)的幅度信息,而沒有考慮其相位信息。本文主要研究了基于多尺度復(fù)變換的圖像融合方法,主要工作包括:首先,本文給出了基于多尺度變換的融合方法的基本步驟,即:圖像的多尺度分解與重構(gòu)、相似性度量、顯著性度量、融合策略等,并分析了這些方法的優(yōu)缺點(diǎn)。其次,針對已有基于多尺度復(fù)變換圖像融合算法中沒有考慮變換系數(shù)相位信息的問題,本文提出了一種基于幅度和相位相結(jié)合的多模態(tài)圖像融合算法。該算法采用可平移復(fù)方向金字塔變換(shiftable complex directional pyramd transform,SCDPT)作為多尺度變換工具,對源圖像進(jìn)行多尺度和多方向分解和重構(gòu)。考慮SCDPT分解得到的帶通方向子帶系數(shù)為復(fù)數(shù),其幅度信息反映了圖像灰度變化的強(qiáng)度,相位信息反映了圖像灰度變化的方向。我們構(gòu)建了一種基于復(fù)系數(shù)相對相位周期相關(guān)系數(shù)(circular correlation coefficient,CCC)和幅度能量匹配(energy matching,EM)相結(jié)合的相似性度量(CCC-EM),將輸入圖像之間的帶通方向子帶系數(shù)劃分為三種不同類型的區(qū)域,并針對各類型區(qū)域制定相應(yīng)的顯著性度量以及融合規(guī)則。而對于SCDPT分解得到的低通子帶系數(shù)僅僅包含幅值信息,我們使用傳統(tǒng)的結(jié)構(gòu)相似度測量因子(structural similarity,SSIM)對輸入圖像之間的低通子帶系數(shù)進(jìn)行區(qū)域劃分,并針對不同類型區(qū)域構(gòu)建相應(yīng)的融合規(guī)則。實(shí)驗(yàn)結(jié)果表明,本文提出的算法能更好地處理多模態(tài)圖像之間的冗余和和互補(bǔ)信息,從而得到對比度較高的融合圖像。最后,常用的多尺度變換工具僅僅包含幾個(gè)有限的方向子帶,不具有可旋轉(zhuǎn)性,當(dāng)用于圖像融合時(shí),無法準(zhǔn)確提取源圖像中的方向信息。而單演小波變換不僅能提供幅值和瞬時(shí)相位,還提供了方向信息,可用于統(tǒng)計(jì)局部主方向,并將小波系數(shù)投影到主方向上。為此,我們提出了一種基于單演小波變換的多聚焦圖像融合算法。其中,我們利用徑向小波包含了各個(gè)方向綜合信息的特點(diǎn),制定了一種基于徑向幅度信息的聚焦性度量因子;利用方向小波的可旋轉(zhuǎn)性,制定了一種基于方向信息的聚焦性度量因子。通過結(jié)合這兩種聚焦性度量因子,我們提出了一種新的多聚焦圖像融合策略。實(shí)驗(yàn)結(jié)果表明,相對于傳統(tǒng)的基于多尺度變換的圖像融合算法,所提出的融合方法能夠更好地提取源圖像中的聚焦區(qū)域。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TP212

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 夏明革,何友,唐小明,夏仕昌;多傳感器圖像融合綜述[J];電光與控制;2002年04期

，

本文編號：1242175