论文部分内容阅读
本文主要利用具有多尺度分解特性的传统小波变换、Curvelet变换和非下采样Contourlet变换对多源图像像素级融合进行系统的深入的研究。通过大量的仿真实验得出一系列的重要结论,完成了一定的创新工作。本文的主要研究成果如下:(1)针对高斯函数不能根据图像特征自适应选择空间系数σ,影响其融合效果,本文提出一种基于高斯小波函数,利用灰度共生矩阵特征值自适应选择σ,对图像进行融合的算法,并将这种算法应用于医学图像融合中。(2)针对传统小波变换只具有有限的方向,不能最优地表示含“线”或者“面”奇异的高维函数,提出了一种新的基于Curvelet变换的多聚焦图像融合算法。能够获得优于传统图像融合算法的多聚焦图像融合效果。(3)根据红外和可见光图像的成像特点,提出了一种基于NSCT-PCNN变换结合的图像融合算法。结果表明本文算法获得的融合结果具有更优的视觉效果及客观量化指标,能更好地解决下采样过程中融合信息不完全的问题。(4)针对PCA变换融合光谱失真严重的问题,提出基于2DPCA-NSCT变换的多光谱和全色图像的融合算法,该算法在保持PCA变换融合良好的空间分辨率的同时改善了其光谱失真的问题,尤其在抗噪声性能上有优势。