多尺度分解的像素级图像融合关键技术研究

摘要

图像融合是图像处理中重要部分，能够协同利用同一场景的多种传感器图像信息，输出一幅更适合于人类视觉感知或计算机进一步处理与分析的融合图像。它可明显的改善单一传感器的不足，提高结果图像的清晰度及信息包含量，有利于更为准确、更为可靠、更为全面地获取目标或场景的信息。图像融合由低到高一般分为三个层次:像素级图像融合、特征级图像融合和决策级图像融合。与另外两个层次相比，像素级图像融合直接结合源图像中的原始信息，有利于图像后续的分析与处理。由于这一优势，像素级图像融合在摄影、医学成像和视频监控等方面取得了显著的成就。
　　本文就像素级图像融合中基于多尺度分解这一类方法存在的一些问题进行了深入研究，并提出了改进方法。论文的主要创新性工作如下:
　　1.针对基于脉冲耦合神经网络(PCNN)的融合方法中参数固定化的局限，提出一种基于模糊逻辑自适应PCNN与非下采样轮廓变换(NSCT)的多聚焦图像融合新方法。在NSCT域中计算改进的拉普拉斯能量和(SML)作为PCNN神经元的激励。由于链接强度在PCNN中起着重要作用，通过计算每个系数相对于邻域系数的重要性，提出一种自适应模糊方法来确定链接强度。该方法结合人眼视觉感知特性与模糊隶属度值自动获得每个系数的重要程度，进而作为PCNN模型中的链接强度。实验结果表明，本文方法对于人工仿真和真实多聚焦图像的融合效果均优于已存在的多种图像融合方法。
　　2.利用二型模糊逻辑在描述不精确性方面的独特优势，提出一种基于二型模糊逻辑的NSCT域多模态医学图像融合新方法。首先，对已配准的源图像进行NSCT变换以获取其高频和低频子带。然后，构建一个基于二型模糊逻辑的有效融合规则用于融合高频子带。在该方法中，引入局部二型模糊熵来自动选择高频系数。对于低频子带，通过利用图像的局部特征，采用基于局部能量的方法进行融合。最后，通过对融合子带进行NSCT逆变换而获得最终的融合图像。主观和客观的实验结果表明，与现有的一些主流融合方法相比，该方法能获得更高对比度的融合图像，并且具有更高的准确性和通用性。此外，在本文还将该方法推广到彩色医学图像融合中，结果证明其可以在更大程度上抑制颜色失真并改善视觉效果。
　　3.针对目前基于引导滤波的融合多尺度分解系数方法的不足，提出一种基于多视觉特征与梯度域引导滤波的多源图像融合新方法。首先，使用高斯平滑滤波器将每个源图像分解为两个分量:由均匀区域形成的近似分量和具有边缘信息的细节分量。然后，通过衡量源图像的三个关键视觉特征—对比度显著度、清晰度和结构显著度，提出一种有效的决策图构建模型。接着，通过提出的基于梯度域引导滤波的决策图优化方法，得到融合权重图。最后，利用所得到的融合权重图对源图像进行融合。通过对多聚焦图像、多模态医学图像和红外与可见光图像进行融合实验，结果表明所提出的方法可以在主观视觉效果和客观评价方面均得到比现有融合方法更好的性能。

目录

声明

摘要

第1章 绪论

1．1 选题背景及研究意义

1．2 国内外研究现状

1．2．1 多尺度分解方法

1．2．2 多尺度系数的融合策略

1．3 本文研究内容与结构安排

第2章 基于模糊自适应PCNN的NSCT域多聚焦图像融合

2．1 引言

2．2 相关理论

2．2．1 非下采样轮廓波变换

2．2．2 脉冲耦合神经网络

2．3 本章方法

2．3．1 改进的拉普拉斯能量和激励PCNN神经元

2．3．2 模糊自适应链接强度

2．3．3 算法总体流程

2．4 实验结果及性能分析

2．5 本章小结

第3章 基于二型模糊逻辑的NSCT域多模态医学图像融合

3．1 引言

3．2 二型模糊集

3．3 本章方法

3．3．1 高频子带融合规则

3．3．2 低频子带融合规则

3．3．3 融合步骤

3．3．4 彩色图像融合

3．4 实验结果及性能分析

3．4．1 CT／MRI图像融合实验

3．4．2 PET／MRI和SPECT／MRI图像融合实验

3．5 本章小结

第4章 基于多视觉特征和梯度域引导滤波的图像融合

4．1 引言

4．2 梯度域引导图像滤波

4．2．1 边缘感知权重

4．2．2 梯度域引导滤波

4．3 本章方法

4．3．1 基于多视觉特征的初始决策图构建

4．3．2 基于梯度域引导滤波的决策图优化

4．3．3 融合源图像

4．4 实验结果及分析

4．4．1 多聚焦图像融合实验

4．4．2 多模态医学图像融合实验

4．4．3 红外与可见光图像融合实验

4．4．4 单特征融合实验

4．4．5 方法效率分析

4．5 本章小结

第5章 总结与展望

5．1 论文工作总结

5．2 研究展望

参考文献

攻读硕士研究生期间科研成果

致谢