图像融合多聚焦图像小波分解结构张量性能评价论文.doc

基于小波分解和结构张量重构的多聚焦图像融合方法研究【摘要】 图像融合作为信息融合的一个子类,相应的融合过程为：把从多个成像设备、不同成像条件或不同成像方式获得的同一景物的多幅图像有机地组合在一起,形成包含各幅源图像(source images)相关信息的新图像。其主要目的是通过对多幅图像间冗余数据的处理来提高图像的可靠性；通过对多幅图像间互补信息的处理来提高图像的清晰度和信息容量。这种通过融合所生成的单幅图像包含更准确、完全的目标信息,有利于人类视觉和机器视觉的感知,可为完成进一步的图像处理与分析任务奠定良好的基础。图像融合技术已被广泛运用于军事、医学影像、信息安全、遥感以及民用制造业等领域。本文以小波分析理论为基础,结合结构张量分析方法对多聚焦图像的融合技术进行了深入研究,主要贡献如下：1.在对传统小波图像融合算法系统分析的基础上,针对低频子带选择的方法中存在忽略高频子带系数影响的问题,提出了一种基于高频子带图像局部区域标准差和均值的低频子带系数选择方法,改进了传统的基于区域方差的融合规则,该方法能够充分考虑高频和低频子带系数之间的关系,从而获得更高的清晰度。2.针对当前高频子带系数的选择方法中存在的问题,将向量场重构的结构张量分析方法引入到.更多还原【Abstract】 Image fusion as a subclass of information fusion, the corresponding process is to integrate the multiple images of the same scene obtained by different imaging equipments, or under different imaging conditions, or different imaging models, into a new image which contains the relative information of the source images. The propose of image fusion is to improve the reliability of the resulting image by processing the redundant data among source images, and to improve the definition and information .更多还原 【关键词】 图像融合； 多聚焦图像； 小波分解； 结构张量； 性能评价； 【Key words】 image fusion； multifocus images； wavelet decompositions； structure tensor； performance evaluation； 【索购全文】Q联系Q：138113721 Q联系Q: 139938848付费即发摘要 3-5 ABSTRACT 5-6 第一章 绪论 10-22 1.1 图像融合研究的背景 10-11 1.2 图像融合研究的范畴和主要方法 11-14 1.2.1 图像融合研究的范畴 12-13 1.2.2 图像融合研究的主要方法 13-14 1.3 图像融合的性能评价 14-19 1.3.1 主观评价 15 1.3.2 客观评价 15-19 1.4 本文的主要内容与结构安排 19-22 第二章 多聚焦图像融合方法概述 22-28 2.1 图像融合的层次 22-24 2.2 多聚焦图像融合技术 24-25 2.3 像素级多聚焦图像融合的主要算法 25-27 2.4 本章小结 27-28 第三章 基于小波分解的图像融合技术 28-36 3.1 小波变换与多分辨率分析 28-32 3.1.1 连续小波变换 28-29 3.1.2 离散二维小波变换 29 3.1.3 多分辨率分析 29-31 3.1.4 Mallat算法 31-32 3.2 图像的小波分解与重构 32-33 3.3 小波图像融合的架构 33-35 3.4 本章小结 35-36 第四章 基于区域标准差的低频子带融合新算法 36-42 4.1 小波图像融合规则的分类 36-37 4.2 传统的低频系数选择方法 37-38 4.3 基于高频子带图像区域方差的低频子带融合算法 38-41 4.3.1 选择规则 39-40 4.3.2 实验结果性能评价 40-41 4.4 本章小结 41-42 第五章 基于结构张量分析的高频子带融合算法 42-54 5.1 基于结构张量的图像分析方法 42-44 5.1.1 结构张量的定义 42-43 5.1.2 基于线性结构张量的图像特征提取 43-44 5.2 基于结构张量的多值图像分析 44-46 5.2.1 多值图像的几何分析 44-46 5.2.2 多值图像的单值表达 46 5.3 传统的高频系数选择方法 46-48 5.4 基于结构张量分析的高频系数重构