基于非子采样Contourlet变换的图像融合算法研究

摘要

图像融合技术作为多传感器信息融合的一个非常重要的分支--可视信息的融合，近二十年来，引起了世界范围内的广泛关注和研究热潮。图像融合就是对多个传感器采集到的关于同一场景或目标的多个源图像进行适当的融合处理，以获取对同一场景的更为准确、更为全面、更为可靠的图像描述。图像融合的目的是充分利用多个待融合源图像中包含的冗余信息和互补信息，融合后的图像应该更适合于人类视觉感知或计算机后续处理。
　　 像素级图像融合是在基础层面上进行的图像融合，它能够提供其它层次上的融合处理所不具有的更丰富、更精确、更可靠的细节信息，有利于图像的进一步分析、处理与理解，它在整个图像融合技术中是最为复杂、实施难度最大的融合处理技术。本文的研究工作主要是围绕像素级的图像融合展开的，提出了一种基于非子采样Contourlet变换(NSCT)的多传感器图像融合方法。非子采样Contourlet变换较之Contourlet变换具有冗余和平移不变性等特点，更适合图像融合。各源图像经多尺度非子采样Contourlet分解分别得到一系列不同方向的高频图像和一幅低频图像。对分解后的高频部分采用基于清晰度的融合方法，对低频图像采用文中提出的基于对比度增强的融合规则进行融合，最后进行重构得到融合图像。实验结果表明非子采样Contourlet变换能够有效保存图像边缘信息，且基于区域分割的融合规则在提高图像对比度方面有较好表现。

目录

文摘

英文文摘

声明

1 绪论

1.1 图像融合技术的基础理论

1.1.1 图像融合的概念

1.1.2 图像融合的层次

1.2 本文主要研究内容

2 像素级图像融合方法综述

2.1 非基于多尺度变换的融合方法

2.2 基于多尺度变换的融合方法

3 基于小波变换的图像融合算法

3.1 小波变换与多分辨率分析

3.1.1 小波变换定义

3.1.2 多分辨率分析

3.2 小波快速算法

3.3 用于图像处理的二维小波变换

3.4 小波变换理论在图像融合中的应用

4 基于非子采样Contourlet变换的图像融合算法

4.1 图像融合的框架

4.2 基于非子采样Contourlet变换的多尺度分解

4.2.1 非子采样金字塔(NSP)

4.2.2 非子采样方向滤波器(NSDFB)

4.3 基于NSCT分解的融合规则

4.3.1 高频分量融合

4.3.2 低频分量融合

4.4 实验结果和分析

4.4.1 人造图像的融合

4.4.2 红外和可见光图像融合

4.4.3 不同分辨率图像融合

5 总结与展望

参考文献

致谢