论文部分内容阅读
随着图像传感器技术的发展,图像融合作为一种有效的信息融合技术在很多领域都得到了广泛的应用。本文主要研究内容是基于非采样Contourlet变换的图像融合技术研究。本文对图像融合技术的基本概念和基本理论进行分析和论述,在研究国内外已有的图像融合算法的基础上,对一些典型的图像融合算法进行分析和研究。并根据非下采样Contourlet变换同时具有多尺度多分辨率分析和平移不变性的特点,提出了一种基于非下采样Contourlet变换的图像融合方法。论文的主要工作和创新之处如下:1.针对小波变换的诸多缺陷以及普通Contourlet变换易产生混频现象,选择非采样Contourlet变换对源图像进行频域变换,能够充分挖掘待融合图像的方向信息,对于高维奇异性基于更稀疏的表示,体现了多尺度、多方向性;并且由于非采样Contourlet变换的平移不变性,有效的避免了吉布斯现象的产生;2.在设计融合规则问题上,对非采样Contourlet变换分解得到的低频子带系数和高频子带系数分别采用了不同的设计方案:在选择低频子带系数时,提出了一种基于清晰度的系数选择方案;在选择高频子带系数时,引入脉冲耦合神经网络(PCNN)提出了一种自适应PCNN的系数选择方案;3.在PCNN的使用中,采用图像均值作为PCNN对应神经元的连接强度β,经过PCNN点火判断待融合图像的清晰部分,并选择清晰的像素作为融合图像的高频像素,使得PCNN具有一定的自适应性;4.分析比较了当前各种图像融合算法,并与本算法进行横向/纵向对比试验,并且实现了多元传感器图像的融合,且具有很好的融合效果及较大的研究意义和使用价值。上述研究工作,初步解决了汽车辅助安全驾驶中光照、天气等环境因素影响驾驶员对行驶环境的准确判断问题,强化了视觉图像信息,为驾驶员提供可靠、安全的视觉信息,并且为后续的目标识别、跟踪、检测等提供更丰富、更准确的信息。