本文關鍵詞：基于智能優(yōu)化和視覺顯著性的圖像融合研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著信息技術、傳感器技術和圖像處理技術的發(fā)展,圖像融合已成為了一個熱門的研究方向。圖像融合是將描述同一場景的多個圖像合成一幅新的圖像,這些多個圖像可以是不同成像傳感器獲取的,也可以是單個成像傳感器以不同方式獲取的。融合圖像能夠獲取比單一圖像更為豐富和有用的信息,提高對場景描述的完整性和準確性。圖像融合已廣泛應用到機器視覺、目標識別、醫(yī)療診斷和遙感遙測等多個領域。本文深入分析了空域和頻域中圖像融合方法的發(fā)展現(xiàn)狀和存在問題,深入研究了智能優(yōu)化技術、多尺度變換技術和視覺顯著性檢測技術,并將其應用到多聚焦圖像融合和紅外與可見光圖像融合。本文的研究內(nèi)容和創(chuàng)新點如下:(1)提出了一種空域中基于全變分和改進拉普拉斯和結(jié)合的聚焦區(qū)域判斷方法。利用全變分的全局特性,結(jié)合改進拉普拉斯和的細節(jié)特性,準確地判斷多聚焦圖像的聚焦區(qū)域,降低運算復雜度,為后續(xù)的融合提供好的基礎。(2)提出了一種基于人工魚群優(yōu)化的多聚焦圖像融合方法。通過聚焦區(qū)域判斷方法選擇相應的圖像分塊合并重構(gòu)成初始融合圖像,再利用人工魚群優(yōu)化算法的全局尋優(yōu)特性,根據(jù)合適的適應度值,通過迭代方式搜索最優(yōu)的圖像分塊組合,構(gòu)建新的融合圖像,克服了以往空域中固定分塊的塊效應缺陷,提升了融合圖像的性能。(3)提出了一種基于頻域判斷聚焦區(qū)域的多聚焦圖像融合方法。利用雙密度雙樹復小波變換系數(shù)的局部能量對比度,快速有效地判斷源圖像的聚焦區(qū)域,使用濾波技術進一步優(yōu)化聚焦區(qū)域,結(jié)合圖像的結(jié)構(gòu)相似性特性,選擇不同的聚焦區(qū)域合并生成融合圖像。(4)提出了一種基于離散余弦變換的多聚焦圖像融合方法。針對實時性要求高的應用,利用離散余弦變換的譜熵比值確定源圖像中的聚焦分塊并構(gòu)建融合圖像,能夠消除邊界模糊抑制塊效應現(xiàn)象,運算復雜度低。(5)提出了一種基于多尺度和多目標優(yōu)化結(jié)合的圖像融合方法。在非下采樣剪切波變換的框架下,權衡多個圖像融合的客觀評價指標,利用多目標生物地理分布優(yōu)化算法尋找使得融合圖像盡可能最優(yōu)的解,其融合性能優(yōu)于傳統(tǒng)的多尺度圖像融合方法,能夠保留清晰的邊緣和紋理特性。(6)提出了一種基于非下采樣剪切波變換的紅外圖像顯著性檢測方法。利用非下采樣剪切波變換優(yōu)越的局部化、尺度化和方向敏感等特性,獲得了比以往頻域顯著性檢測方法更好的檢測效果,能夠有效地突出紅外圖像中的紅外目標。在此基礎上,提出了一種基于顯著性檢測的紅外與可見光圖像融合方法,針對顯著性區(qū)域和非顯著性區(qū)域,制定不同的融合規(guī)則,提升融合圖像的對比度,較好地保留可見光圖像的場景和紋理細節(jié),融入的紅外目標完整和清晰。
【關鍵詞】：圖像融合 全變分 智能優(yōu)化 多尺度變換 顯著性檢測
【學位授予單位】：電子科技大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 緒論11-23
• 1.1 研究背景和意義11-12
• 1.2 圖像融合研究現(xiàn)狀12-21
• 1.2.1 國內(nèi)外研究現(xiàn)狀12-15
• 1.2.2 圖像融合評價方法15-21
• 1.3 論文研究內(nèi)容和結(jié)構(gòu)21-23
• 1.3.1 論文研究內(nèi)容21-22
• 1.3.2 論文結(jié)構(gòu)安排22-23
• 第二章 空域中基于分塊優(yōu)化的多聚焦圖像融合23-48
• 2.1 多聚焦圖像的聚焦區(qū)域判斷23-34
• 2.1.1 聚焦區(qū)域判斷方法23-28
• 2.1.2 基于全變分與改進拉普拉斯和結(jié)合的聚焦區(qū)域判斷28-31
• 2.1.3 實驗結(jié)果及分析31-34
• 2.2 基于人工魚群優(yōu)化的多聚焦圖像融合34-46
• 2.2.1 人工魚群優(yōu)化算法簡介34-36
• 2.2.2 優(yōu)化參數(shù)的選擇36-37
• 2.2.3 改進策略37-38
• 2.2.4 算法流程38
• 2.2.5 實驗結(jié)果及分析38-46
• 2.3 本章小結(jié)46-48
• 第三章 頻域中基于多尺度變換和多目標優(yōu)化的多聚焦圖像融合48-90
• 3.1 基于頻域聚焦區(qū)域判斷的多聚焦圖像融合48-62
• 3.1.1 基于頻域的聚焦區(qū)域判斷方法49-54
• 3.1.2 基于聚焦區(qū)域判斷和相關性的圖像融合54-56
• 3.1.3 實驗結(jié)果及分析56-62
• 3.2 基于離散余弦變換的多聚焦圖像融合62-75
• 3.2.1 離散余弦變換分析62-63
• 3.2.2 基于離散余弦變換譜熵的多聚焦圖像融合63-69
• 3.2.3 實驗結(jié)果及分析69-75
• 3.3 基于多尺度和多目標優(yōu)化的多聚焦圖像融合75-89
• 3.3.1 多目標優(yōu)化75-77
• 3.3.2 剪切波變換77-80
• 3.3.3 基于剪切波和多目標優(yōu)化的多聚焦圖像融合80-84
• 3.3.4 實驗結(jié)果及分析84-89
• 3.4 本章小結(jié)89-90
• 第四章 基于視覺顯著性的紅外與可見光圖像融合90-106
• 4.1 視覺顯著性90-98
• 4.1.1 顯著性檢測90-93
• 4.1.2 基于剪切波的紅外圖像顯著性檢測93-96
• 4.1.3 實驗結(jié)果及分析96-98
• 4.2 基于顯著性檢測的紅外與可見光圖像融合98-100
• 4.2.1 算法流程98
• 4.2.2 融合規(guī)則98-100
• 4.3 實驗結(jié)果及分析100-105
• 4.4 本章小結(jié)105-106
• 第五章 總結(jié)與展望106-109
• 5.1 研究總結(jié)106-107
• 5.2 未來展望107-109
• 致謝109-110
• 參考文獻110-122
• 攻博期間取得的研究成果122-123

  本文關鍵詞：基于智能優(yōu)化和視覺顯著性的圖像融合研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：280810