發(fā)布時間：2024-03-11 01:24

　　圖像融合是將兩個或者兩個以上的傳感器在同一時間或不同時間獲取的關(guān)于某個具體場景的圖像或者圖像序列信息加以綜合,以生成一個新的有關(guān)此場景解釋的信息處理過程,而這個解釋是從單一傳感器獲取的信息中無法得到的^[1]。近些年來,國內(nèi)外研究者在圖像融合領(lǐng)域取得了豐碩的研究成果,本文將著重介紹在平移不變剪切波變換(Shift-Invariant Shearlet Transfom,SIST)下的圖像融合方法。與傳統(tǒng)的多尺度變換方法相比,SIST是目前最為先進(jìn)的一種多尺度分析方法,此方法可以實(shí)現(xiàn)圖像的“稀疏”表示,高效地提取圖像的有用信息。此外,不同于傳統(tǒng)的剪切波變換,SIST在對源圖像進(jìn)行多尺度分解時不進(jìn)行下采樣操作,所以具有平移不變特性,能夠很好地保留細(xì)節(jié)信息也克服了偽吉布斯效應(yīng)。對源圖像進(jìn)行SIST分解得到的子帶,如何進(jìn)行融合成為了研究的重點(diǎn),而本文中,在子帶融合時采用了深度卷積神經(jīng)網(wǎng)絡(luò)(deep Convolutional Neural Network,CNN)、自適應(yīng)的脈沖耦合神經(jīng)網(wǎng)絡(luò)(Pulse Coupled Neural Network,PCNN)等方法,以提高融...

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1.1像素級圖像融合示意圖

目前，已廣泛應(yīng)用于醫(yī)學(xué)圖像處理、天氣預(yù)報(bào)和多頻譜圖像等領(lǐng)域是在圖像融合之前一般都要經(jīng)過源圖像的預(yù)處理，這里的預(yù)處理主要包括圖像去準(zhǔn)、銳化等操作，本文中的源圖像都是經(jīng)過預(yù)處理后的圖像。圖像的信息融合通素級（Pixel-level）、特征級（Feature-level）和決策級（De....

圖1.2特征級圖像融合示意圖

圖1.2特征級圖像融合示意圖Fig.1.2Feature-levelimagefusionschematic（3）決策級融合決策級融合方法相對于像素級和特征級融合方法融合層次最高，是在特征提取的上進(jìn)行的，需要依次進(jìn)行預(yù)處理、特征提取和分類。在融合時根據(jù)不同的特征種類不同的....

圖1.3決策級圖像融合示意圖

圖1.2特征級圖像融合示意圖Fig.1.2Feature-levelimagefusionschematic（3）決策級融合決策級融合方法相對于像素級和特征級融合方法融合層次最高，是在特征提取進(jìn)行的，需要依次進(jìn)行預(yù)處理、特征提取和分類。在融合時根據(jù)不同的特征種同的決策方法....

圖1.4基于MGA的圖像融合示意圖

山東理工大學(xué)碩士學(xué)位論文第一章緒論1.3.2變換域圖像融合為克服傳統(tǒng)變換域融合質(zhì)量不高的問題，多尺度幾何分析（Multi-ScaleGeometAnalysis，MGA）方法應(yīng)運(yùn)而生。該方法首先對輸入的源圖像進(jìn)行分解，然后對分解到的子帶系數(shù)進(jìn)行不同方法的融合，最后再對融合....

本文編號：3925609