圖像融合技術結合了多傳感與數(shù)據(jù)融合兩方面,屬于多源信息融合的一個重要分支,是將不同傳感器在同一場景上獲得的兩幅或多幅圖像融合成一幅圖像的過程。對于從多個傳感器獲取的同一場景的圖像,利用圖像融合技術進行信息的融合,得到一幅具有更加豐富的信息,清晰的紋理細節(jié)的融合圖像,便于對場景實現(xiàn)更加全面和可靠的描述。目前,圖像融合技術的應用非常廣泛,如目標跟蹤、遙感探測、特征提取、醫(yī)療成像等領域。隨著傳感技術的迅速發(fā)展,人們獲得的圖像信息越來越多,大大增加了圖像融合處理的數(shù)據(jù)量。與此同時,大數(shù)據(jù)時代已經來到,常規(guī)的奈奎斯特采樣已無法滿足應用于實際的大量圖像的融合。壓縮感知(CS)理論就不會受限于奈奎斯特采樣定理,可以在采樣的同時對圖像信號完成壓縮。因此,將壓縮感知技術運用到圖像融合,這樣能明顯地降低圖像信號的采樣數(shù)據(jù)量,減少圖像融合需要的計算成本和存儲空間,提升了圖像融合的效率。本文基于壓縮感知的特有性質,深入探索了基于壓縮感知理論的圖像融合算法,主要的內容有:(1)介紹了基于壓縮感知理論的圖像融合算法的研究意義和發(fā)展現(xiàn)狀,并研究和分析了圖像融合的基本理論,包括相關的理論知識框架、常用的多種變換方法和...

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
    1.3 本文主要研究內容
第2章 圖像融合及壓縮感知的基本理論
    2.1 圖像融合的基本理論
        2.1.1 圖像融合層次
        2.1.2 圖像融合過程中常用的融合算法
        2.1.3 圖像融合結果評價指標
    2.2 壓縮感知基本理論
        2.2.1 信號的稀疏表示
        2.2.2 測量矩陣
        2.2.3 重構算法
    2.3 基于壓縮感知的圖像融合框架
    2.4 本章小結
第3章 基于加權核范數(shù)最小化的圖像差壓縮融合
    3.1 CS測量矩陣與重構算法選取
    3.2 基于信息論的圖像差融合算法
        3.2.1 自適應選取標準背景圖像
        3.2.2 圖像差融合算法
    3.3 加權核范數(shù)最小化算法
        3.3.1 加權核范數(shù)最小化理論
        3.3.2 自適應加權核范數(shù)最小化的優(yōu)化算法
    3.4 圖像融合算法具體實現(xiàn)
    3.5 實驗結果與分析
        3.5.1 醫(yī)學圖像融合
        3.5.2 紅外與可見光圖像融合
        3.5.3 多聚焦圖像融合
    3.6 本章小結
第4章 基于RPCA和 NSCT的壓縮感知圖像融合
    4.1 RPCA基本原理
    4.2 NSCT基本理論知識
    4.3 圖像融合算法具體實現(xiàn)
        4.3.1 圖像的預增強處理
        4.3.2 測量輸出矩陣融合規(guī)則
        4.3.3 低頻系數(shù)融合規(guī)則
        4.3.4 高頻系數(shù)融合規(guī)則
    4.4 算法模型
    4.5 實驗結果與分析
    4.6 本章小結
第5章 總結與展望
    5.1 論文總結
    5.2 論文展望
參考文獻
致謝
個人簡歷、在學期間發(fā)表的學術論文及研究成果



本文編號：3844800