圖像融合技術(shù)是將不同成像機理的傳感器或者同一傳感器在不同條件下對同一場景圖像進行獲取后生成符合人類觀察或者計算機處理的圖像,得到的圖像比源圖像信息更加豐富和準(zhǔn)確,有利于后續(xù)檢測、識別和跟蹤工作,圖像融合技術(shù)具有良好的應(yīng)用前景。圖像融合過程涉及數(shù)據(jù)處理手段和融合規(guī)則。針對目前圖像融合技術(shù)存在方向信息缺失、圖像創(chuàng)新部分特征不明顯和清晰度下降等問題,本文在不可分離剪切波變換與稀疏表示的圖像融合算法上做了以下探索與研究:首先研究一種離散不可分離剪切波變換的多尺度分解工具,離散不可分離剪切波變換是應(yīng)用剪切算子直接進行剪切操作,這使得不可分離剪切波變換直接在連續(xù)域定義離散化,改善了剪切支撐之間的重疊,優(yōu)化了方向選擇。然后研究一種基于離散不可分離剪切波與聯(lián)合稀疏表示的圖像融合方法,該方法對離散不可分離剪切波分解后的低頻子代采用聯(lián)合稀疏表示方法融合,對高頻子代采用參數(shù)自適應(yīng)脈沖耦合神經(jīng)網(wǎng)絡(luò)融合,有效解決了融合后圖像創(chuàng)新部分不明顯以及不符合人類視覺觀察的問題。最后研究一種基于離散不可分離剪切波和卷積稀疏表示的圖像融合方法,該方法對離散不可分離剪切波分解后的低頻子代采用卷積稀疏表示算法融合,然后對高頻子代...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景和意義
    1.2 圖像融合研究現(xiàn)狀
        1.2.1 圖像融合的步驟和層次
        1.2.2 多尺度變換的研究現(xiàn)狀
        1.2.3 圖像融合規(guī)則研究現(xiàn)狀
    1.3 圖像融合質(zhì)量評價
        1.3.1 主觀評價方法
        1.3.2 客觀評價方法
    1.4 本文的內(nèi)容安排
第2章 不可分離剪切波變換
    2.1 剪切波變換
        2.1.1 框架理論
        2.1.2 Shearlet理論
    2.2 離散不可分離剪切波變換
        2.2.1 離散小波變換
        2.2.2 離散Shearlet變換
        2.2.3 離散不可分離剪切波變換
    2.3 仿真實驗及結(jié)果分析
        2.3.1 DNST對圖像的分解與重構(gòu)
        2.3.2 不同多尺度分析域內(nèi)圖像融合結(jié)果分析
    2.4 本章小結(jié)
第3章 稀疏表示理論
    3.1 信號的稀疏表示
    3.2 K-SVD字典學(xué)習(xí)
    3.3 稀疏表示最優(yōu)解
        3.3.1 匹配追蹤算法
        3.3.2 正交匹配追蹤算法
    3.4 本章小結(jié)
第4章 基于DNST和 JSR的圖像融合方法
    4.1 聯(lián)合稀疏表示
    4.2 參數(shù)自適應(yīng)脈沖耦合神經(jīng)網(wǎng)絡(luò)
    4.3 融合規(guī)則
    4.4 仿真實驗及結(jié)果分析
        4.4.1 不同稀疏表示圖像融合結(jié)果分析
        4.4.2 不同算法的圖像融合結(jié)果分析
    4.5 本章小結(jié)
第5章 基于DNST和 CSR的圖像融合方法
    5.1 卷積稀疏表示
    5.2 融合方法
    5.3 實驗結(jié)果與分析
        5.3.1 不同稀疏表示方法圖像融合結(jié)果分析
        5.3.2 不同算法圖像融合結(jié)果分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 圖像融合算法研究展望
參考文獻
攻讀碩士學(xué)位期間的學(xué)術(shù)成果
致謝



本文編號：3836819