基于多小波分解的矢量图像融合方法研究

摘要

利用多种传感器模式对目标进行观测，对多源数据的融合技术提出了更高的要求。图像融合是多源数据融合的一个重要分支，是综合了传感器、图像处理、信号处理、计算机和人工智能的现代高新技术，其兴起于20世纪70年代，是一种新兴的、前沿的、热门的、带有一定难度和探索性的技术，具有广泛的应用前景。
　　 本文首先介绍了图像融合的基本理论和方法，对一些常用的融合方法进行了讨论。然后介绍了小波理论和多小波理论，研究了其在图像融合中的应用原理。本文着重研究了多小波理论在图像融合方面的应用，并提出基于多小波分解的改进的矢量融合方法。最后，将此方法运用于实践，并与其它方法进行了比较分析。
　　 本文的主要创新点在于，根据多小波分解的特点，提出了基于多小波分解的改进的欠量融合算法。多小波在对称性、光滑性、和紧支性等方面都有极好的性质，可以比单小波重构出效果更好的融合后图像。但是目前大多数基于多小波分解而提出的融合算法却很少利用到图像经过多小波分解后所产生的多个高频和低频子图像之间的相关性。本文提出，利用多小波分解出来的具有相关性的子图像来构造图像矢量，利用矢量范数的概念，再运用基于方向对比度的融合规则，进行图像融合。通过实验比较，证实所获得的融合图像比其它的基于单小波和基于多小波“标量”的融合方法在多个指标上有更好的效果。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景

1.2课题意义

1.3图像融合的发展现状

1.4本文研究内容和章节安排

第二章图像融合基本理论

2.1图像融合概述

2.1.1图像融合概念与层次

2.1.2多聚焦图像融合

2.2图像融合前处理

2.2.1图像校正

2.2.2图像去噪

2.2.3图像配准

2.3常见图像融合方法

2.4融合效果评价标准

2.4.1主观评价

2.4.2客观评价

第三章多小波变换理论

3.1单小波变换理论

3.1.1连续小波变换

3.1.2离散小波变换

3.2图像的多分辨率表示

3.3 Mallat算法

3.3.1信号分解与重构的Mallat算法

3.3.2图像的小波分解与重构

3.4多小波变换理论

3.4.1多小波性质

3.4.2多小波的多分辨率分析

第四章改进的基于多小波的融合算法

4.1多小波分解与重构Matlab程序实现

4.2基于普通小波变换的图像融合

4.2.1小波变换应用于图像融合中

4.2.2基于普通小波变换图像融合规则

4.3多小波简单替换单小波的图像融合

4.3.1多小波相对于单小波的优势

4.3.2标量多小波融合算法原理

4.4改进的基于多小波变换的矢量融合方法

4.4.1矢量概念的提出

4.4.2矢量图像的构造

4.4.3改进的基于多小波的矢量融合算法原理与实现

第五章基于单小波多小波的图像融合实验及其效果分析

5.1评价标准选择

5.2单小波与多小波融合实验比较

5.2.1各种融合规则的横向比较

5.2.2各种融合规则的纵向比较

5.3多小波的标量与矢量融合

5.3.1各种融合规则的横向比较

5.3.2各种融合规则的纵向比较

5.4基于区域方向对比度的多小波矢量融合最优参数选择

5.4.1不同小波基的影响

5.4.2最佳分解层数

第六章总结与展望

参考文献

致谢