圖像融合是將兩個(gè)或者兩個(gè)以上的傳感器在同一時(shí)間或不同時(shí)間獲取的關(guān)于某個(gè)具體場(chǎng)景的圖像或者圖像序列信息加以綜合,以生成一個(gè)新的有關(guān)此場(chǎng)景解釋的信息處理過程,而這個(gè)解釋是從單一傳感器獲取的信息中無法得到的^[1]。近些年來,國(guó)內(nèi)外研究者在圖像融合領(lǐng)域取得了豐碩的研究成果,本文將著重介紹在平移不變剪切波變換(Shift-Invariant Shearlet Transfom,SIST)下的圖像融合方法。與傳統(tǒng)的多尺度變換方法相比,SIST是目前最為先進(jìn)的一種多尺度分析方法,此方法可以實(shí)現(xiàn)圖像的“稀疏”表示,高效地提取圖像的有用信息。此外,不同于傳統(tǒng)的剪切波變換,SIST在對(duì)源圖像進(jìn)行多尺度分解時(shí)不進(jìn)行下采樣操作,所以具有平移不變特性,能夠很好地保留細(xì)節(jié)信息也克服了偽吉布斯效應(yīng)。對(duì)源圖像進(jìn)行SIST分解得到的子帶,如何進(jìn)行融合成為了研究的重點(diǎn),而本文中,在子帶融合時(shí)采用了深度卷積神經(jīng)網(wǎng)絡(luò)(deep Convolutional Neural Network,CNN)、自適應(yīng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network,PCNN)等方法,以提高融...

【文章頁數(shù)】：76 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1.1像素級(jí)圖像融合示意圖

目前，已廣泛應(yīng)用于醫(yī)學(xué)圖像處理、天氣預(yù)報(bào)和多頻譜圖像等領(lǐng)域是在圖像融合之前一般都要經(jīng)過源圖像的預(yù)處理，這里的預(yù)處理主要包括圖像去準(zhǔn)、銳化等操作，本文中的源圖像都是經(jīng)過預(yù)處理后的圖像。圖像的信息融合通素級(jí)（Pixel-level）、特征級(jí)（Feature-level）和決策級(jí)（De....

圖1.2特征級(jí)圖像融合示意圖

圖1.2特征級(jí)圖像融合示意圖Fig.1.2Feature-levelimagefusionschematic（3）決策級(jí)融合決策級(jí)融合方法相對(duì)于像素級(jí)和特征級(jí)融合方法融合層次最高，是在特征提取的上進(jìn)行的，需要依次進(jìn)行預(yù)處理、特征提取和分類。在融合時(shí)根據(jù)不同的特征種類不同的....

圖1.3決策級(jí)圖像融合示意圖

圖1.2特征級(jí)圖像融合示意圖Fig.1.2Feature-levelimagefusionschematic（3）決策級(jí)融合決策級(jí)融合方法相對(duì)于像素級(jí)和特征級(jí)融合方法融合層次最高，是在特征提取進(jìn)行的，需要依次進(jìn)行預(yù)處理、特征提取和分類。在融合時(shí)根據(jù)不同的特征種同的決策方法....

圖1.4基于MGA的圖像融合示意圖

山東理工大學(xué)碩士學(xué)位論文第一章緒論1.3.2變換域圖像融合為克服傳統(tǒng)變換域融合質(zhì)量不高的問題，多尺度幾何分析（Multi-ScaleGeometAnalysis，MGA）方法應(yīng)運(yùn)而生。該方法首先對(duì)輸入的源圖像進(jìn)行分解，然后對(duì)分解到的子帶系數(shù)進(jìn)行不同方法的融合，最后再對(duì)融合....

本文編號(hào)：3925609