论文部分内容阅读
多源图像融合技术是将来自同一场景的不同图像传感器的多幅图像进行综合处理，得到一幅融合后的图像。与单一图像传感器所获得的图像相比，融合后的图像对场景提供更全面、精准、可靠的图像表示。图像融合技术广泛应用于军事、遥感、机器人技术、医学图像处理以及计算机视觉等领域。 多源图像融合技术从融合层次上主要分为三个级别：像素级融合、特征级融合、和决策级融合。其中像素级图像融合是目前研究最多的一种图像融合算法。随着多分辨率技术与小波分析技术的深入研究，它们已经被广泛应用于图像融合领域。图像处理经常采用二维张量积小波变换（DWT），这种小波变换采用了行列降采样，分解后每层图像的大小均为其上一层图像大小的1/4。这种分解方法使得DWT不具有平移不变性；只能获得水平、垂直以及对角三个方向的高频细节信息；只能最优地表示图像中的点奇异性，而不能最优地表示图像中线奇异性。由于以上原因，二维张量积小波变换（DWT）很难获得更高质量的融合图像。 近年来，为了克服二维张量积小波变换（DWT）图像融合算法的不足，基于离散小波框架的图像融合算法和基于不可分离二维小波变换的图像融合算法得到了研究。同时基于多尺度几何分析理论的图像变换工具、和具有更强时频分析能力的经验模式分解(Empirical Mode Decomposition,EMD)算法开始应用于图像融合中。 本文主要以离散小波框架变换，不可分离小波变换，第二代Bandelet变换、和EMD算法为基础，对多源图像融合进行深入细致的研究，提出了三种有效的图像融合算法：基于新融合准则的离散小波框架变换多聚焦图像融合算法、基于NLEMD和局部对比度的遥感图像融合算法、和基于不可分离小波与几何正则流的图像融合算法。 本文的主要研究工作及贡献如下： （1）通过对离散小波框架变换的特性与其变换后得到的系数的分析，提出了一种基于新融合准则的离散小波框架变换的多聚焦图像融合算法(NFR+DWFT)。该算法采用离散小波框架变换对图像进行多分辨率分解，通过计算低频系数加权窗口邻域的相似性度量和系数窗口邻域的信息熵来确定融合图像的低频系数；在对离散小波框架变换高频系数的融合时，给出了占优块的概念，结合高频系数占优块和块与块之间的相关系数来确定融合后的高频系数。实验结果表明该算法得到了一幅全聚焦的图像，有效地克服了DWT融合图像中出现的振铃现象，提高了图像的融合质量。 （2）将限邻域经验模式分解(NLEMD,Neighborhood Limited Empirical Mode Decomposition)与人类视觉系统对局部对比度的敏感特性相结合，提出一种基于NLEMD和局部对比度的遥感图像融合算法(NLEMD+LC)。该算法采用EMD算法对图像进行多层分解。在分解过程中，提出基于局部均值平稳特性的自适应局部均值估计算法估计该层分解的图像的最佳局部均值，避免了传统EMD算法分解过程中的极值提取和分解的本征模态(Intrinsic Mode Function,IMF)中出现的灰斑现象。对于NLEMD分解得到的多层IMF的融合，该算法结合人类视觉系统对局部对比度的敏感特性对分解后的高频系数进行融合。而对NLEMD分解后剩余量的融合，采用加权能量量测作为融合准则进行融合。实验结果表明，与基于DWT的融合算法相比，该融合算法更清晰地反映融合图像中的复杂细节信息，克服了DWT算法融合结果中可能出现的振铃现象与边缘灰斑现象，提高了图像融合的质量。 （3）在对二维紧支撑不可分离小波与第二代Bandelet变换的研究基础上，提出一种基于不可分离小波与几何正则流的图像融合算法(NWTG)。该算法首先对图像进行不可分离小波变换，对变换得到的不同尺度的小波系数采用Bandelet变换中提取系数几何正则流的思想，提取出系数的最佳几何流。在提取小波系数最佳几何流的过程中，针对第二代Bandelet变换提取几何流的时间复杂度高的问题，提出了一种基于最小化垂直投影区间的行之有效的提取最佳几何流的方法，该方法大大的降低了第二代Bandelet变换时间复杂度。对不可分离小波变换系数进行融合时，分几何流系数与非几何流系数分别采用不同的加权融合准则。对于低频系数，采用加权能量量测的融合准则。实验结果表明，与基于DWT的融合算法相比，该融合算法对源图像的边缘和重要信息体现出更强的继承能力，提高了图像融合的质量。