發(fā)布時(shí)間：2020-09-10 20:10

　　 隨著成像技術(shù)的不斷發(fā)展,任何單傳感器所獲得的圖像都不能提供目標(biāo)場(chǎng)景的完整信息,在某些場(chǎng)景下可能會(huì)受到一些限制,比如紅外和可見(jiàn)光圖像。為了更好的了解目標(biāo)場(chǎng)景情況,必須將這些圖像的互補(bǔ)信息集中到單個(gè)圖像中。圖像融合技術(shù)是一種將同一場(chǎng)景的多個(gè)圖像中的有用信息合并到一張圖像的技術(shù),使得融合圖像能發(fā)揮各自的優(yōu)勢(shì),相互補(bǔ)充,提供比單個(gè)傳感器更多關(guān)于場(chǎng)景的信息,盡可能更完整的體現(xiàn)出目標(biāo)場(chǎng)景的特性,圖像融合充分利用了輸入圖像的相關(guān)信息來(lái)增強(qiáng)圖像處理系統(tǒng)的效率并且降低系統(tǒng)的成本。基于圖像結(jié)構(gòu)相似的方法充分考慮了圖像的結(jié)構(gòu)信息和人類(lèi)視覺(jué)系統(tǒng)的特性,獲得了良好的視覺(jué)效果,但是對(duì)它的研究基本上都是用在圖像質(zhì)量的評(píng)價(jià)方法上,而且結(jié)構(gòu)相似多用于處理圖像的低頻區(qū)域,提取場(chǎng)景中的結(jié)構(gòu)信息。對(duì)于圖像的高頻區(qū)域,則沒(méi)有很好的效果�；陲@著性檢測(cè)的圖像融合算法能較好地提取場(chǎng)景中的邊緣、輪廓等高頻信息。本文在分析了兩種算法各自?xún)?yōu)勢(shì)的基礎(chǔ)上,嘗試將這兩種融合方法的優(yōu)點(diǎn)結(jié)合起來(lái),提出了一種顯著性檢測(cè)和結(jié)構(gòu)相似相結(jié)合的融合算法,圖像融合實(shí)驗(yàn)結(jié)果表明該算法優(yōu)于現(xiàn)有的同類(lèi)算法。本文的主要工作內(nèi)容和創(chuàng)新點(diǎn)總結(jié)如下:1、在像素級(jí)的圖像融合中,大多數(shù)的圖像融合都分為三步,首先把待融合圖像分解為低頻區(qū)和高頻區(qū),然后對(duì)不同的區(qū)域采用不同的融合規(guī)則進(jìn)行圖像融合,最后將低頻區(qū)和高頻區(qū)重建為最后的融合圖像。但在進(jìn)行圖像分解時(shí),分解級(jí)數(shù)的不同會(huì)導(dǎo)致不同的融合結(jié)果,大多數(shù)多尺度融合方法都需要分解兩個(gè)尺度以上。這些方法計(jì)算比較復(fù)雜,所以他們需要更多的內(nèi)存和計(jì)算時(shí)間。本文采用簡(jiǎn)單的雙尺度圖像分解,降低多尺度融合算法的復(fù)雜度,提高圖像融合速度。2、分析了結(jié)構(gòu)相似指標(biāo)和顯著性檢測(cè)的優(yōu)缺點(diǎn),發(fā)現(xiàn)基于結(jié)構(gòu)相似的圖像融合方法可以很好的提取圖像的結(jié)構(gòu)信息,而顯著性檢測(cè)可以提取出符合人類(lèi)視覺(jué)的信息,于是將顯著性檢測(cè)和結(jié)構(gòu)相似結(jié)合起來(lái),希望可以獲得更好的融合圖像。該方法首先是將圖像進(jìn)行二尺度圖像分解,對(duì)分解后的高頻區(qū)和低頻區(qū)分別采用不用的融合規(guī)則,對(duì)低頻區(qū)使用結(jié)構(gòu)相似的圖像融合,而對(duì)包含大量細(xì)節(jié)信息的高頻區(qū)采用顯著性檢測(cè)融合算法。最后通過(guò)大量實(shí)驗(yàn)證實(shí)了該算法的可行性。
【學(xué)位單位】：陜西師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類(lèi)】：TP391.41;TP212
【部分圖文】：

圖像融合技術(shù)是通過(guò)對(duì)圖像信息進(jìn)行合理的分配，依據(jù)不同的準(zhǔn)則，把多幅逡逑圖像在空間或時(shí)間上的不同信息進(jìn)行融合，獲得對(duì)場(chǎng)景更全面的反映。圖像融合逡逑按照融合的層次被分為像素級(jí)融合、特征級(jí)融合和決策級(jí)融合他們的處理方逡逑式是從低級(jí)到高級(jí)，處理的數(shù)據(jù)從從多到少，處理方法從簡(jiǎn)至繁。高層次處理的逡逑內(nèi)容是以低層次的處理結(jié)果為基礎(chǔ)，層層遞進(jìn)。逡逑像素級(jí)融合是最基本的融合方法，可以直接對(duì)待融合圖像灰度進(jìn)行融合。它逡逑可以獲得另外兩個(gè)層級(jí)不能提供的細(xì)微的待融合圖像信息，使得融合后的圖像具逡逑有更加豐富和全面的圖像信息，有利于對(duì)圖像做進(jìn)一步的分析、處理和理解，這逡逑是像素級(jí)融合的優(yōu)點(diǎn)。然而這一類(lèi)圖像融合方法也有很大的局限性，因?yàn)橄袼丶?jí)逡逑精確到像素，因此需要在圖像融合前進(jìn)行預(yù)處理，例如圖像的增強(qiáng)、校正、配準(zhǔn)逡逑等。所以需要計(jì)算大量的圖像數(shù)據(jù)，耗費(fèi)時(shí)間長(zhǎng)，難以做到實(shí)時(shí)處理；另外因?yàn)殄义蠑?shù)據(jù)量比較大，就容易相互影響，抗干擾能力比較差；此外，待融合圖像需要進(jìn)逡逑行嚴(yán)格的圖像配準(zhǔn)，否則將會(huì)導(dǎo)致融合后的圖像不清楚，可能會(huì)丟失圖像的邊緣逡逑和細(xì)節(jié)信息，融合效果差。像素級(jí)的圖像融合過(guò)程如圖２＿１。逡逑

Ｆｉｇｕｒｅ邋２－２邋Ｓｋｅｔｃｈ邋ｍａｐ邋ｏｆ邋ｆｅａｔｕｒｅ邋ｌｅｖｅｌ邋ｉｍａｇｅ邋ｆｕｓｉｏｎ逡逑決策級(jí)圖像融合在三類(lèi)融合方法中是屬于最高層次的融合方法，具體融合過(guò)逡逑程如圖２－３。在進(jìn)行圖像處理前，先要對(duì)待融合圖像進(jìn)行預(yù)處理、特征的提取和分逡逑類(lèi)，得到初步的結(jié)論，然后將得到的各個(gè)分決策根據(jù)中心決策級(jí)融合獲得最后的逡逑決策結(jié)論。從它的融合步驟中我們可以看出，它在進(jìn)行融合處理前步驟多，比特逡逑征級(jí)融合的計(jì)算量還要小，但是比較依賴(lài)上一層的處理結(jié)果。它的優(yōu)點(diǎn)是：在進(jìn)逡逑行融合前不需要做圖像配準(zhǔn)，減少了不必要的處理，提高了融合的效率。決策級(jí)逡逑圖像融合根據(jù)具體的要求直接對(duì)特征信息做出最好的判斷，處理信息少，并且有逡逑較強(qiáng)的抗干擾能力。邐邐邋邐邋邐逡逑圖像Ａ邐邐？決逡逑策逡逑預(yù)邐＾邐決邐級(jí)逡逑＾邋邐？征邐？策邐？的逡逑＾邋分邐判邐＾邋圖逡逑，邐１邐＃邐類(lèi)斷像逡逑融逡逑圖像Ｂ邐邐？合逡逑圖２－３決策級(jí)圖像融合過(guò)程逡逑Ｆｉｇｕｒｅ邋２－３邋Ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ邋ｏｆ邋ｄｅｃｉｓｉｏｎ邋ｌｅｖｅｌ邋ｉｍａｇｅ邋ｆｕｓｉｏｎ逡逑８逡逑

圖像Ａ邐邐？特逡逑征逡逑ｍ邐＃邐？逡逑ｉ邋邐？征邐？的逡逑５邐提邐圖逡逑邐Ｉ邐取邐像逡逑圖像Ｂ邐邐？邐５逡逑圖２－２特征級(jí)圖像融合過(guò)程逡逑Ｆｉｇｕｒｅ邋２－２邋Ｓｋｅｔｃｈ邋ｍａｐ邋ｏｆ邋ｆｅａｔｕｒｅ邋ｌｅｖｅｌ邋ｉｍａｇｅ邋ｆｕｓｉｏｎ逡逑決策級(jí)圖像融合在三類(lèi)融合方法中是屬于最高層次的融合方法，具體融合過(guò)逡逑程如圖２－３。在進(jìn)行圖像處理前，先要對(duì)待融合圖像進(jìn)行預(yù)處理、特征的提取和分逡逑類(lèi)，得到初步的結(jié)論，然后將得到的各個(gè)分決策根據(jù)中心決策級(jí)融合獲得最后的逡逑決策結(jié)論。從它的融合步驟中我們可以看出，它在進(jìn)行融合處理前步驟多，比特逡逑征級(jí)融合的計(jì)算量還要小，但是比較依賴(lài)上一層的處理結(jié)果。它的優(yōu)點(diǎn)是：在進(jìn)逡逑行融合前不需要做圖像配準(zhǔn)，減少了不必要的處理，提高了融合的效率。決策級(jí)逡逑圖像融合根據(jù)具體的要求直接對(duì)特征信息做出最好的判斷，處理信息少，并且有逡逑較強(qiáng)的抗干擾能力。

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 孫曉帥;姚鴻勛;;視覺(jué)注意與顯著性計(jì)算綜述[J];智能計(jì)算機(jī)與應(yīng)用;2014年05期

2 李崇飛;曲智國(guó);盧凱;高穎慧;;基于側(cè)抑制頻譜調(diào)諧的顯著性檢測(cè)方法[J];計(jì)算機(jī)科學(xué);2011年12期

3 狄紅衛(wèi);劉顯峰;;基于結(jié)構(gòu)相似度的圖像融合質(zhì)量評(píng)價(jià)[J];光子學(xué)報(bào);2006年05期

4 陳敏;一種自適應(yīng)閾值選擇方法[J];成都信息工程學(xué)院學(xué)報(bào);2005年03期

5 賈永紅;TM和SAR影像主分量變換融合法[J];遙感技術(shù)與應(yīng)用;1998年01期

相關(guān)碩士學(xué)位論文 前2條

1 王雪丹;基于圖像分塊的結(jié)構(gòu)相似圖像融合方法研究[D];陜西師范大學(xué);2016年

2 陳倩;顯著性區(qū)域檢測(cè)算法研究[D];北京交通大學(xué);2014年

本文編號(hào)：2816267