隨著成像技術(shù)的不斷發(fā)展,任何單傳感器所獲得的圖像都不能提供目標場景的完整信息,在某些場景下可能會受到一些限制,比如紅外和可見光圖像。為了更好的了解目標場景情況,必須將這些圖像的互補信息集中到單個圖像中。圖像融合技術(shù)是一種將同一場景的多個圖像中的有用信息合并到一張圖像的技術(shù),使得融合圖像能發(fā)揮各自的優(yōu)勢,相互補充,提供比單個傳感器更多關(guān)于場景的信息,盡可能更完整的體現(xiàn)出目標場景的特性,圖像融合充分利用了輸入圖像的相關(guān)信息來增強圖像處理系統(tǒng)的效率并且降低系統(tǒng)的成本�；趫D像結(jié)構(gòu)相似的方法充分考慮了圖像的結(jié)構(gòu)信息和人類視覺系統(tǒng)的特性,獲得了良好的視覺效果,但是對它的研究基本上都是用在圖像質(zhì)量的評價方法上,而且結(jié)構(gòu)相似多用于處理圖像的低頻區(qū)域,提取場景中的結(jié)構(gòu)信息。對于圖像的高頻區(qū)域,則沒有很好的效果。基于顯著性檢測的圖像融合算法能較好地提取場景中的邊緣、輪廓等高頻信息。本文在分析了兩種算法各自優(yōu)勢的基礎(chǔ)上,嘗試將這兩種融合方法的優(yōu)點結(jié)合起來,提出了一種顯著性檢測和結(jié)構(gòu)相似相結(jié)合的融合算法,圖像融合實驗結(jié)果表明該算法優(yōu)于現(xiàn)有的同類算法。本文的主要工作內(nèi)容和創(chuàng)新點總結(jié)如下:1、在像素級的圖像融合中,大多數(shù)的圖像融合都分為三步,首先把待融合圖像分解為低頻區(qū)和高頻區(qū),然后對不同的區(qū)域采用不同的融合規(guī)則進行圖像融合,最后將低頻區(qū)和高頻區(qū)重建為最后的融合圖像。但在進行圖像分解時,分解級數(shù)的不同會導致不同的融合結(jié)果,大多數(shù)多尺度融合方法都需要分解兩個尺度以上。這些方法計算比較復雜,所以他們需要更多的內(nèi)存和計算時間。本文采用簡單的雙尺度圖像分解,降低多尺度融合算法的復雜度,提高圖像融合速度。2、分析了結(jié)構(gòu)相似指標和顯著性檢測的優(yōu)缺點,發(fā)現(xiàn)基于結(jié)構(gòu)相似的圖像融合方法可以很好的提取圖像的結(jié)構(gòu)信息,而顯著性檢測可以提取出符合人類視覺的信息,于是將顯著性檢測和結(jié)構(gòu)相似結(jié)合起來,希望可以獲得更好的融合圖像。該方法首先是將圖像進行二尺度圖像分解,對分解后的高頻區(qū)和低頻區(qū)分別采用不用的融合規(guī)則,對低頻區(qū)使用結(jié)構(gòu)相似的圖像融合,而對包含大量細節(jié)信息的高頻區(qū)采用顯著性檢測融合算法。最后通過大量實驗證實了該算法的可行性。
【學位單位】：陜西師范大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP391.41;TP212
【部分圖文】：

圖像融合技術(shù)是通過對圖像信息進行合理的分配，依據(jù)不同的準則，把多幅逡逑圖像在空間或時間上的不同信息進行融合，獲得對場景更全面的反映。圖像融合逡逑按照融合的層次被分為像素級融合、特征級融合和決策級融合他們的處理方逡逑式是從低級到高級，處理的數(shù)據(jù)從從多到少，處理方法從簡至繁。高層次處理的逡逑內(nèi)容是以低層次的處理結(jié)果為基礎(chǔ)，層層遞進。逡逑像素級融合是最基本的融合方法，可以直接對待融合圖像灰度進行融合。它逡逑可以獲得另外兩個層級不能提供的細微的待融合圖像信息，使得融合后的圖像具逡逑有更加豐富和全面的圖像信息，有利于對圖像做進一步的分析、處理和理解，這逡逑是像素級融合的優(yōu)點。然而這一類圖像融合方法也有很大的局限性，因為像素級逡逑精確到像素，因此需要在圖像融合前進行預(yù)處理，例如圖像的增強、校正、配準逡逑等。所以需要計算大量的圖像數(shù)據(jù)，耗費時間長，難以做到實時處理；另外因為逡逑數(shù)據(jù)量比較大，就容易相互影響，抗干擾能力比較差；此外，待融合圖像需要進逡逑行嚴格的圖像配準，否則將會導致融合后的圖像不清楚，可能會丟失圖像的邊緣逡逑和細節(jié)信息，融合效果差。像素級的圖像融合過程如圖２＿１。逡逑

Ｆｉｇｕｒｅ邋２－２邋Ｓｋｅｔｃｈ邋ｍａｐ邋ｏｆ邋ｆｅａｔｕｒｅ邋ｌｅｖｅｌ邋ｉｍａｇｅ邋ｆｕｓｉｏｎ逡逑決策級圖像融合在三類融合方法中是屬于最高層次的融合方法，具體融合過逡逑程如圖２－３。在進行圖像處理前，先要對待融合圖像進行預(yù)處理、特征的提取和分逡逑類，得到初步的結(jié)論，然后將得到的各個分決策根據(jù)中心決策級融合獲得最后的逡逑決策結(jié)論。從它的融合步驟中我們可以看出，它在進行融合處理前步驟多，比特逡逑征級融合的計算量還要小，但是比較依賴上一層的處理結(jié)果。它的優(yōu)點是：在進逡逑行融合前不需要做圖像配準，減少了不必要的處理，提高了融合的效率。決策級逡逑圖像融合根據(jù)具體的要求直接對特征信息做出最好的判斷，處理信息少，并且有逡逑較強的抗干擾能力。邐邐邋邐邋邐逡逑圖像Ａ邐邐？決逡逑策逡逑預(yù)邐＾邐決邐級逡逑＾邋邐？征邐？策邐？的逡逑＾邋分邐判邐＾邋圖逡逑，邐１邐＃邐類斷像逡逑融逡逑圖像Ｂ邐邐？合逡逑圖２－３決策級圖像融合過程逡逑Ｆｉｇｕｒｅ邋２－３邋Ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ邋ｏｆ邋ｄｅｃｉｓｉｏｎ邋ｌｅｖｅｌ邋ｉｍａｇｅ邋ｆｕｓｉｏｎ逡逑８逡逑

圖像Ａ邐邐？特逡逑征逡逑ｍ邐＃邐？逡逑ｉ邋邐？征邐？的逡逑５邐提邐圖逡逑邐Ｉ邐取邐像逡逑圖像Ｂ邐邐？邐５逡逑圖２－２特征級圖像融合過程逡逑Ｆｉｇｕｒｅ邋２－２邋Ｓｋｅｔｃｈ邋ｍａｐ邋ｏｆ邋ｆｅａｔｕｒｅ邋ｌｅｖｅｌ邋ｉｍａｇｅ邋ｆｕｓｉｏｎ逡逑決策級圖像融合在三類融合方法中是屬于最高層次的融合方法，具體融合過逡逑程如圖２－３。在進行圖像處理前，先要對待融合圖像進行預(yù)處理、特征的提取和分逡逑類，得到初步的結(jié)論，然后將得到的各個分決策根據(jù)中心決策級融合獲得最后的逡逑決策結(jié)論。從它的融合步驟中我們可以看出，它在進行融合處理前步驟多，比特逡逑征級融合的計算量還要小，但是比較依賴上一層的處理結(jié)果。它的優(yōu)點是：在進逡逑行融合前不需要做圖像配準，減少了不必要的處理，提高了融合的效率。決策級逡逑圖像融合根據(jù)具體的要求直接對特征信息做出最好的判斷，處理信息少，并且有逡逑較強的抗干擾能力。

【參考文獻】

相關(guān)期刊論文 前5條

1 孫曉帥;姚鴻勛;;視覺注意與顯著性計算綜述[J];智能計算機與應(yīng)用;2014年05期

2 李崇飛;曲智國;盧凱;高穎慧;;基于側(cè)抑制頻譜調(diào)諧的顯著性檢測方法[J];計算機科學;2011年12期

3 狄紅衛(wèi);劉顯峰;;基于結(jié)構(gòu)相似度的圖像融合質(zhì)量評價[J];光子學報;2006年05期

4 陳敏;一種自適應(yīng)閾值選擇方法[J];成都信息工程學院學報;2005年03期

5 賈永紅;TM和SAR影像主分量變換融合法[J];遙感技術(shù)與應(yīng)用;1998年01期

相關(guān)碩士學位論文 前2條

1 王雪丹;基于圖像分塊的結(jié)構(gòu)相似圖像融合方法研究[D];陜西師范大學;2016年

2 陳倩;顯著性區(qū)域檢測算法研究[D];北京交通大學;2014年

本文編號：2816267