基于非负矩阵和小波变换多聚焦图像融合方法研究

摘要

图像融合技术是综合处理多传感器图像数据的有效途径，日益引起人们的关注，应用范围遍及军事、遥感、医学等领域。多聚焦图像融合是图像融合的研究热点之一，融合后的图像信息表达更全面，视觉上更清晰，可提高分辨率、减少模糊性以易于识别，并且在很大程度上减少冗余信息。
　　 首先，本文详细的分析了多聚焦融合的发展前景和国内外发展现状，综述了多聚焦图像融合的基本概念和原理，简单介绍了图像预处理和图像配准的原理，概述了图像融合的层次，归纳了融合图像的评价参数。
　　 其次，分析了基于非负矩阵(NMF)的多聚焦图像融合原理，在此基础上，提出了改进的基于主分析量(PCA)和加权非负矩阵(WNMF)的融合方法，将该方法与一般加权平均、PCA、NMF融合算法进行了实验对比与分析。实验结果表明:该方法增强了融合图像空间细节信息，能有效抑制背景噪声，适合处理多聚焦图像的融合。
　　 然后，分析了基于小波变换的多聚焦图像图像融合原理，提出了改进的基于小波变换的多聚焦图像融合方法，该方法针对传统小波在低频融合规则没有考虑到多聚焦图像相似且具有一定的相关性，在低频融合规则采用一种基于区域方差的融合规则;而在高频方面，考虑到视觉对灰度图像的局部对比度敏感及区域梯度值大小能反映出图像局部细节特征，采用基于小波方向对比度和区域梯度的融合规则。实验结果表明:该方法与传统方法相比，提高了图像信息含量，且运算简单，是一种较好的融合方法。
　　 最后，综合了提升小波(LWT)的多分辨率特性、算法简单等优势和加权非负矩阵分解(WNMF)的特征提取能力，摒弃了传统小波变换计算复杂性，提出一种基于加权非负矩阵(WNMF)和提升小波(LWT)的融合方法。并通过两个实验进行对比与分析，第一，对比了融合过程中不同提升小波基对融合效果影响，得出双正交和对称的小波基更适合处理多聚焦图像融合;第二从融合效果和实时性两方面，比较了本文所提出的3种改进方法，实验结果表明:基于加权非负矩阵和提升小波的多聚焦图像融合效果优于上述两种改进算法，且运算速度较快。

目录

声明

摘要

第1章 绪论

1．1 课题目的及意义

1．2 课题的国内外研究现状和发展趋势

1．2．1 变换域中图像融合的研究现状及发展

1．2．2 空域中的图像融合的研究现状及发展

1．2．3 多聚焦图像融合发展

1．3 课题主要研究内容和结构安排

1．3．1 主要研究内容

1．3．2 结构安排

第2章 多聚焦图像融合原理和框架

2．1 多聚焦图像融合过程

2．2 图像预处理

2．3 图像配准

2．3．1 基于灰度的图像配准方法

2．3．2 基于特征的图像配准方法

2．4 多聚焦图像融合分类

2．4．1 融合层次分类

2．4．2 融合方法总结

2．5 多聚焦图像融合效果评价

2．6 本章小结

第3章 基于空域的多聚焦图像融合方法

3．1 基于简单的像素融合方法

3．1．1 像素加权平均融合算法

3．1．2 像素灰度值取大／小融合算法

3．2 基于PCA变换的融合方法

3．2．1 主成分分析应用于图像融合

3．2．2 主分量变换的过程

3．3 均匀分块融合方法

3．3．1 均匀分块融合步骤

3．3．2 融合规则

3．4 非负矩阵分解的图像融合方法

3．4．1 NMF理论

3．4．2 基于NMF的多聚焦图像融合

3．5 一种改进的基于非负矩阵分解的多聚焦图像融合

3．5．1 加权非负矩阵分解

3．5．2 融合算法

3．6 基于空域的融合实验结果与分析

3．7 本章小结

第4章 基于变换域的多聚焦图像融合方法

4．1 基于金字塔分解的多聚焦图像融合方法

4．1．1 图像的金字塔变换

4．1．2 系数选择

4．2 基于小波变换的多聚焦图像融合方法

4．2．1 小波变换理论

4．2．2 传统的基于小波变换的多聚焦图像融合方法

4．3 一种改进的基于小波变换的多聚焦图像融合方法

4．4 基于变换域融合实验结果与分析

4．5 本章小结

第5章 一种基于WNMF与提升小波的图像融合方法

5．1 提升小波变换

5．2 基于WNMF和提升小波变换的多聚焦图像融合算法

5．2．1 融合方案

5．2．2 融合规则

5．2．3 实验结果与分析

5．3 本章小结

第6章 总结与展望

6．1 全文总结

6．2 展望

参考文献

致谢