發(fā)布時間：2018-03-23 06:27

  本文選題：圖像融合　切入點：變換域　出處：《中國科學技術(shù)大學》2016年博士論文　論文類型：學位論文

【摘要】：近年來,各種成像設備陸續(xù)走入人們的生活,不同類型圖像數(shù)據(jù)的獲取變得越來越方便。然而,由于成像機理的制約,單一類型的圖像數(shù)據(jù)往往無法滿足某種實際應用的需求。此外,同種類型成像設備在不同的成像條件(例如焦距、曝光時間等成像參數(shù))下采集到的圖像通常也存在很大差異,而固定一種條件下得到的圖像難以反映出場景的全部信息。因此,如何對來自不同成像機理和成像條件的多幅圖像進行融合處理以完成既定的任務就成為亟待研究的課題。像素級多源圖像融合是指綜合同一場景不同來源的多幅輸入圖像(源圖像)的互補信息,利用圖像處理算法生成一幅新的圖像(融合圖像),使該融合圖像比任何一幅源圖像都能更為全面、準確地描述所述場景。多源圖像融合技術(shù)在視頻監(jiān)控、醫(yī)療診斷、衛(wèi)星遙感、數(shù)碼攝影等諸多領域都具有很高的應用價值。在上述研究背景下,本文針對多聚焦圖像、多曝光圖像、可見光與紅外圖像、多模態(tài)醫(yī)學圖像等多種類型的圖像融合問題進行了深入研究,提出了多種變換域和空域圖像融合新方法,希望能為推動圖像融合研究的進程作出一定貢獻。本文的主要研究內(nèi)容和創(chuàng)新點如下：1.在基于多尺度變換的圖像融合方法研究中,針對傳統(tǒng)基于小波變換的融合方法不具有平移不變性的缺點,提出了一種結(jié)合小波變換和自適應分塊的多聚焦圖像融合算法。該算法以離散小波變換為框架,對低頻系數(shù)采用自適應尺寸分塊的方法進行融合,圖像塊的尺寸用差分進化算法優(yōu)化求解,然后對此低頻融合結(jié)果進行精細化處理,得到一幅精確到每個系數(shù)來源的標簽圖,再利用局部小波能量與該標簽圖相結(jié)合的方法對高頻系數(shù)進行融合,最后重構(gòu)得到融合結(jié)果。實驗結(jié)果表明,該算法既可以一定程度克服小波變換法對非嚴格配準區(qū)域融合效果差的缺陷,又可以有效抑制空域分塊法易產(chǎn)生塊效應的缺點。2.在基于稀疏表示的圖像融合方法研究中,針對傳統(tǒng)稀疏表示融合方法中字典表達能力與抗噪能力存在矛盾的困境,提出了一種基于自適應稀疏表示的融合算法,用于處理有噪聲的圖像融合問題。該算法在字典訓練階段根據(jù)訓練樣本的梯度特征將樣本劃分到若干組,分別訓練得到過完備字典。在融合階段,根據(jù)輸入圖像塊的梯度特征,自適應地選擇字典進行表示。實驗結(jié)果表明,該算法可以有效解決傳統(tǒng)稀疏表示融合方法處理噪聲圖像的不足,取得明顯優(yōu)于傳統(tǒng)方法的結(jié)果。3.在變換域圖像融合方法研究中,針對基于多尺度變換和稀疏表示的融合方法各自存在的缺陷,提出了一種結(jié)合多尺度變換和稀疏表示的融合框架,將多尺度變換的低頻系數(shù)采用基于稀疏表示的方式進行融合,而高頻系數(shù)采用基于局部高頻系數(shù)絕對值的方式融合。相對于傳統(tǒng)的多尺度變換法中低頻分量取平均的融合方式,該方法可以有效防止能量丟失而造成圖像的對比度下降,同時也可以解決分解層數(shù)難以選擇的問題；相對于傳統(tǒng)的空域稀疏表示融合方法,該方法通過將低頻分量與高頻分量分離,可以有效消除傳統(tǒng)稀疏表示方法的灰度不連續(xù)和細節(jié)模糊效應。實驗結(jié)果表明,提出的融合方法可以取得優(yōu)于傳統(tǒng)多尺度變換和稀疏表示方法的結(jié)果。同時,對于不同類型的圖像融合問題,在該框架下探索出最優(yōu)的多尺度變換及其分解層數(shù)。4.在空域多聚焦圖像融合方法研究中,針對傳統(tǒng)方法在源圖像非精確配準區(qū)域融合效果不理想的情況,提出了一種基于稠密SIFT描述子的多聚焦圖像融合算法。該算法首先將SIFT描述子用于聚焦程度度量,獲得一幅可靠的初始融合決策圖,然后利用SIFT描述子度量圖像局部相似性的能力,優(yōu)化非精確配準區(qū)域的融合效果,最終得到融合圖像。實驗結(jié)果表明,該算法在主觀視覺效果和客觀評價準則兩方面都可以達到甚至超過當前多聚焦圖像融合的最好水平。5.在空域多曝光圖像融合方法研究中,針對傳統(tǒng)方法在消除動態(tài)場景中運動鬼影能力上的不足,提出了一種基于稠密SIFT描述子的多曝光圖像融合算法。該算法利用特征描述子具有衡量局部對比度和描述局部相似度的能力,將SIFT描述子同時用于多曝光圖像細節(jié)信息的提取和鬼影效應的消除。實驗結(jié)果表明,該算法在主觀視覺效果和客觀評價準則兩方面都可以取得優(yōu)于傳統(tǒng)多曝光圖像融合方法的效果。
[Abstract]:......
【學位授予單位】：中國科學技術(shù)大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 王軍,蘇劍波;一種具有漸進學習能力的融合方法[J];電子學報;2002年10期

2 杜元偉;孫永河;段萬春;;主觀證據(jù)交互式提取及融合方法[J];控制與決策;2011年05期

3 馬華;胡志剛;張紅宇;;云計算中服務可信度評價的個性化融合方法[J];小型微型計算機系統(tǒng);2014年04期

4 鄧自立;;兩種最優(yōu)觀測融合方法的功能等價性[J];控制理論與應用;2006年02期

5 關(guān)桂霞;吳秉衡;蘭曉亭;;常規(guī)多傳感器系統(tǒng)的分布檢測融合方法研究[J];計算機應用與軟件;2007年11期

6 哈斯巴干,馬建文,李啟青,劉志麗,韓秀珍;小波局部高頻替代融合方法[J];中國圖象圖形學報;2002年10期

7 李春華;;基于分量替換高分辨率遙感圖像融合方法的對比研究[J];水土保持研究;2014年03期

8 鄭虹,徐毓,金宏斌;多雷達異步觀測數(shù)據(jù)合成融合方法[J];火力與指揮控制;2005年S1期

9 汪永偉;趙榮彩;劉育楠;司成;邱衛(wèi);;基于交并集的沖突自適應證據(jù)融合方法[J];計算機工程與應用;2013年23期

10 張抒;解梅;;基于熱擴散理論的窗融合方法研究[J];電子科技大學學報;2014年02期

相關(guān)會議論文 前8條

1 張婷婷;王智學;牛小星;牛彥杰;;一種基于KAOS的域間目標融合方法[A];社會經(jīng)濟發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術(shù)年會論文集[C];2012年

2 鄭利平;夏新宇;王玉培;劉曉平;;基于時間扭曲圖快速搜索的運動融合方法[A];全國第22屆計算機技術(shù)與應用學術(shù)會議(CACIS·2011)暨全國第3屆安全關(guān)鍵技術(shù)與應用（SCA·2011）學術(shù)會議論文摘要集[C];2011年

3 馬潔;李明;韓迎朝;;Matlab與Visual C++的融合方法分析及應用實現(xiàn)[A];第十六屆全國煤炭自動化學術(shù)年會、中國煤炭學會自動化專業(yè)委員會學術(shù)會議論文集[C];2006年

4 陳瑩;吳定會;;多傳感車道檢測及目標跟蹤的新型融合方法[A];第二十六屆中國控制會議論文集[C];2007年

5 周宇;周紅瓊;葉慶衛(wèi);王曉東;;基于D-S理論融合方法的網(wǎng)絡質(zhì)量評價[A];2011年中國智能自動化學術(shù)會議論文集（第一分冊）[C];2011年

6 林長川;;雷達與AIS目標位置信息融合方法的研究[A];2002航海實用新技術(shù)論文集[C];2002年

7 陳少輝;張秋文;王乘;;一種基于歸一化方差的多分辨率圖像融合方法[A];全國國土資源與環(huán)境遙感技術(shù)應用交流會論文文集[C];2004年

8 鐘志勇;陳鷹;黎運高;;分辨率相差較大的衛(wèi)星影像融合方法研究[A];中國圖象圖形學會第十屆全國圖像圖形學術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

相關(guān)重要報紙文章 前1條

1 陳曉虹;融合方法關(guān)乎融合質(zhì)量[N];解放軍報;2012年

相關(guān)博士學位論文 前3條

1 劉羽;像素級多源圖像融合方法研究[D];中國科學技術(shù)大學;2016年

2 陳金廣;運動目標狀態(tài)估計及融合方法研究[D];西安電子科技大學;2011年

3 佘二永;多源圖像融合方法研究[D];國防科學技術(shù)大學;2005年

相關(guān)碩士學位論文 前10條

1 謝成芳;地震屬性多分辨融合方法及應用研究[D];電子科技大學;2015年

2 羅慶平;混雜RFID網(wǎng)絡環(huán)境下數(shù)據(jù)清洗與融合方法研究[D];南京理工大學;2014年

3 楊玲;多模態(tài)醫(yī)學影像融合方法研究[D];西安電子科技大學;2010年

4 杜廳;基于濾波器組與抽樣方式組合的多聚焦圖像融合方法研究[D];湖北大學;2014年

5 王通;基于神經(jīng)網(wǎng)絡融合方法的入侵檢測系統(tǒng)研究[D];南京理工大學;2008年

6 周新宇;基于多源信息不確定性的可能性融合方法研究[D];中北大學;2012年

7 彭海;紅外與可見光圖像融合方法研究[D];浙江大學;2012年

8 朱青;衛(wèi)星紅外云圖與可見光云圖融合方法研究[D];中國海洋大學;2010年

9 王凱;基于邊緣顯著度的小波圖像融合方法研究[D];華中科技大學;2011年

10 陳源;基于多尺度幾何分析的衛(wèi)星云圖融合方法及對臺風中心定位的影響[D];浙江師范大學;2014年

，

本文編號：1652311