基于统计模型的多尺度图像融合算法研究及应用

摘要

多尺度图像融合算法一直以来都是人们研究的热点。图像融合算法要求融合结果要尽可能包含源图像中的显著细节，并且融合图像具有良好的视觉效果。在融合规则中通常会涉及到对待融合区域的显著度度量和匹配度度量等，而这往往是决定融合效果的决定因素，会影响到对于源图像细节的选择以及融合比例等。同时由于图像融合的源图像易受噪声干扰，这会造成融合图像质量下降，为后续的图像观察造成困难。为了进一步提升融合算法中提取源图像细节的能力，方便后续图像观察。同时在有噪情况下，融合算法能够维持鲁棒的融合效果。本研究针对较新的多尺度图像融合算法做了深入的研究，在显著度与匹配度定义上做出了优化，同时针对性地提高了融合规则的噪声鲁棒性。
　　本研究主要内容包括：⑴为了让融合规则充分利用小波系数的相关性，提出对小波系数的边缘分布和待融合的小波系数之间的联合概率分布进行建模，通过广义高斯模型和双变量拉普拉斯模型拟合小波系数的边缘分布和联合分布，具有较好的拟合效果。⑵针对于提升现有融合算法的融合效果，提出将待融合系数的联合分布特性引入融合规则，利用建立的边缘分布模型和联合分布模型，通过信息论中的互信息和信息熵建立融合规则中归一化的匹配度度量；同时利用建立的边缘分布模型，通过KL散度的不对称性定义融合规则中的显著度度量。将本研究提出算法与先进融合算法进行实验对比，在融合医学图像、红外可见光图像、多聚焦图像中表现出了优秀的融合效果，既最大限度地提取出源图像的细节信息，同时也具有良好的视觉效果。在主观评价中和客观评价中要优于其他对比算法。⑶针对源图像含有噪声的融合情况，为了更好的抑制噪声对于融合结果的影响。通过各向异性双变量收缩方法提取出收缩算子，通过乘积关系调节融合规则中的融合权重，以此实现融合结果有一定的去噪效果；其次通过更改融合算法中的参数估计方式，选择与去噪算法中共同的矩估计方法，以此实现降低噪声对于融合规则的影响。通过以上两步实现了能够兼顾实现去噪的融合算法。通过与先进算法的对比实验可知，本研究提出的算法能够最大可能的保留源图像的细节信息，并且没有因为噪声的干扰而丢掉细节信息。同时在主观评价和客观评价中具有较好的表现。

目录

声明

第一章 绪论

1. 1 研究工作的背景与意义

1. 2 国内外研究现状

1. 3 本文的研究内容及目标

1. 4 本文的结构安排

第二章 变换域图像融合方法概述

2. 1 引言

2. 2 变换域图像融合算法概述

2. 3 融合评价方法

2. 4 本章小结

第三章 小波系数统计与建模

3. 1 引言

3. 2 小波边缘特性与建模

3. 3 小波联合特性与建模

3. 4 基于分布的信息论参量

3. 5 本章小结

第四章 基于统计模型的融合算法

4. 1 低频子带的融合

4. 2 高频子带融合方法

4. 3 基于联合与边缘分布的融合方法

4. 4 本章小结

第五章 基于统计模型的鲁棒融合算法

5. 1 基于联合分布去噪算法

5. 2 融合与去噪结合

5. 3 基于统计模型的鲁棒融合方法

5. 4 本章小结

第六章 总结与展望

6. 1 全文总结

6. 2 未来工作展望

致谢

参考文献

攻读硕士学位期间取得的成果