基于多尺度多方向变换域统计建模的图像融合方法研究

摘要

图像融合是通过一定的算法将两幅或多幅源图像融合成一幅新图像的过程。得到的融合图像能够保留源图像的有用信息，去除冗余信息。由于融合后图像观测的准确性和鲁棒性更高，可信度和可理解性更好，这就更有利于人和计算机有效、可靠和全面地对图像信息进行后续处理。作为信息融合的一个重要分支，图像融合技术在计算机视觉、人工智能和图像理解等领域得到了广泛的应用和研究。图像融合方法通常包括空域和变换域方法。而基于多尺度多方向变换域的图像融合方法，能够从低频到高频多层次地处理图像信息，从而得到了良好的融合效果和性能指标。目前，该研究课题是图像融合研究领域的热点。
　　基于多尺度多方向变换域的图像融合方法在图像融合领域中的应用相当广泛。它包括基于金字塔变换、小波变换和Contourlet变换等的图像融合方法。多尺度多方向分析在捕捉图像的边缘、轮廓等重要方向结构信息方面具有显著的优势。通过在此变换域建立合理的统计模型，并结合精确估计的模型参数来设置融合规则，可以使图像融合的效果更佳。因此，研究基于多尺度多方向变换域统计建模的图像融合方法具有重要的理论和应用意义。
　　本文首先详细地介绍了图像融合的国内外研究现状和发展动态，综述了一些经典的基于空间域和变换域的图像融合方法，分析了基于多尺度多方向变换域图像融合的基本原理和融合框架，归纳总结了图像质量的评价标准和分类。
　　然后，介绍了基于小波域统计建模的多聚焦图像融合方法。在Burt融合规则的基础上，采用小波变换，结合主成分分析(PCA)和广义高斯分布(GGD)建模，实现图像融合。采用主观评价和客观评价的方法，将实验结果与加权平均法、基于PCA方法、区域能量法等现有的典型融合算法进行了对比和分析。实验结果表明，由本文提出的融合算法所得到的融合图像的信息量更丰富、保真度更高。
　　其次，分析了基于Contourlet变换域统计建模的图像融合方法。本文在Contourlet变换基础上，提出将混合高斯模型(GMM)与广义高斯模型联合建模的融合方法。该方法将Contourlet变换域的高频子带和低频子带分别采用广义高斯和混合高斯建模，通过利用估计得到的分布参数，分别在改进的Burt融合规则和后验概率加权平均下实现图像融合。分别对多聚焦图像、遥感图像和医学图像进行了融合实验，并将本文实验结果与在同等实验条件下基于小波变换的方法进行了对比和分析。实验结果表明，本文算法不仅能够增强融合图像的空间细节信息，使信息量更丰富，视觉效果和性能更好，而且验证了该融合算法适合于较为广泛类型图像的融合。
　　最后，介绍了基于金字塔双树方向滤波器组(PDTDFB)变换域统计建模的图像融合方法。PDTDFB变换具有更好的多尺度多方向分析能力，其方向选择更加丰富，平移不变性更强。基于此变换，采用混合拉普拉斯模型(LMM)对各子带建模，确定融合参数，得到融合图像。分别对多聚焦图像、遥感图像和医学图像进行了图像融合实验，并与小波变换域在同等实验条件下的实验结果进行对比。实验结果表明，该方法能有效地融合多种类型的源图像，尤其在细节信息的保持方面效果更为突出。

目录

声明

摘要

第一章 绪论

1．1 研究的背景及意义

1．2 图像融合技术概述

1．2．1 图像融合的层次划分

1．2．2 常见的图像融合方法

1．3 国内外研究现状及发展动态

1．4 主要研究内容及论文结构安排

1．4．1 论文主要研究内容

1．4．2 论文结构安排

第二章 基于多尺度多方向变换域统计建模的图像融合体系概述

2．1 引言

2．2 基于多尺度多方向图像融合算法的基本框架

2．3 多尺度多方向图像分析技术

2．4 基于Burt思想的融合规则

2．5 图像融合的质量评价标准指标

2．5．1 主观评价法

2．5．2 客观评价法

2．6 本章小结

第三章 基于小波变换域统计建模的多聚焦图像融合方法

3．1 引言

3．2 小波变换及其图像融合框架

3．3 主成分分析法(PCA)

3．4 高频子带系数的广义高斯分布(GGD)建模

3．5 区域能量融合

3．6 基于PCA和GGD建模的图像融合方法

3．7 实验结果与讨论

3．7．1 高频子带图像的GGD建模

3．7．2 小波分解层数的选取

3．7．3 小波滤波器的选取

3．7．4 匹配测度阈值的选取

3．7．5 与目前的图像融合方法比较

3．8 本章小结

第四章 基于Contourlet变换域统计建模的图像融合方法

4．1 引言

4．2 轮廓波(Contourlet)变换

4．3 高斯混合模型(GMM)

4．4 高斯混合模型的EM算法

4．5 Contourlet变换域联合统计建模的图像融合框架

4．6 实验结果与讨论

4．6．1 低频子带图像的GMM建模

4．6．2 高频子带图像的GGD建模

4．6．3 匹配测度阈值的选取

4．6．4 与目前的图像融合方法比较

4．7 本章小结

第五章 基于金字塔双树方向滤波器组域统计建模的图像融合方法

5．1 引言

5．2 金字塔双树方向滤波器组(PDTDFB)变换

5．3 混合拉普拉斯建模(LMM)

5．4 基于PDTDFB变换的图像融合框架

5．5 实验结果与讨论

5．5．1 系数子带的混合拉普拉斯建模

5．5．2 与目前的图像融合方法比较

5．6 本章小结

第六章 总结与展望

6．1 本文主要研究工作内容

6．2 研究展望

参考文献

致谢

攻读硕士学位期间论文发表及科研情况