外文翻译格式参考汇总.doc

毕业设计外文资料翻译 学 院： 电子工程学院 专业班级： 自动化071 学生姓名： 陈新鹏 学 号： 030713103 指导教师： 马娟丽 外文出处： Multi-focus Image Fusion Algorithms Research Based on Curvelet Transform 附 件： 1.外文资料翻译译文； 2.外文原文 指导教师评语： 签名： 年 月 日 基于曲波变换的多聚焦图像融合算法研究 摘要：由于，往往很难得到一个包含所有的图像。多聚焦图像融合算法可以有效地解决这个问题。基于广泛应用的多聚焦图像融合算法的分析，本文提出一多聚焦图像融合算法的。根据曲波分解的不同频率区，分别讨论低频系数和高频系数的选择规律。中低频系数和高频系数被分别与NGMS（就近梯度最大选择性）和LREMS（局部区域能量最大的选择性）融合。结果表明， 关键字：曲波变换；多聚焦图像；融合算法 1.简介 如今，图像融合被广泛应用于军事、遥感、医学和计算机图像等领域。图像融合的主要目的将来自两个或场景的信息结合获得一个包含完整信息的图像。，廉价相机主要问题是。因此，我们需要多聚焦图像融合方法来聚焦和获得更清晰的图像。 经典融合算法包括计算源图像平均像素的灰度值，拉普拉斯金字塔，对比度金字塔，金字塔和离散小波变换（DWT）。然而，计算源图像平均像素灰度值的方法导致一些不例如对照物减少。小波变换的基本原理是对每个源图像进行分解，然后将所有这些分解单元组合获取表示，从中可以通过寻找反变换恢复融合图像。这种方法是有效的。但是，小波变化只能通过变换边缘特征反映出来，不能表达的特点。同时，也因为它采用各向同性所以小波变化无法显示边缘方向。小波变换的限制，Donoho 等人提出了曲波变换的概念，它采用边缘作为基本元素，较为成熟并可以适应图像特征。此外，曲波变换具有各向异性和有更好的方向，可以提供更多图像处理的信息。 通过曲波变换的原则我们知道：曲波变化除了具有多尺度小波变换和地方特色外，它还具有方向特征和支持会话的基础特征。曲波变化可以适当代表图像边缘和相同逆变换精度的光滑区。继曲波变化低波段和高波段融合算法系数的研究后，提出一种思想：低-带系数采用NGMS方法和不同的方向高带系数采用LREMS方法。 2.第二代曲波变化 第二代曲波变换和第一代的曲波变换不同的是，没有导入脊波变换的实施过程，但直接提交曲波基本格式的具体表达，这可以说是深入解释曲波变换。在此根本文献让离散算法快速实现。 频率区域中窗口函数的概念：: ,和是 一维的窗口函数；,定义字段 [-1,1] 实数函数，时间内容函数在频域内假定会议接近于 ， 曲线函数定义的两个维数： 随着频率，比例,方向角和位置 , 为粗略的尺寸（低域） 位置 曲线函数定义为： 比较公式2和公式3可知“粗略”规模曲波函数相对于其他曲波函数构想并没有介绍方向参数。所以曲波变换在低频段区域靠近小波变换，但在j规模，曲波变换平等的瓜分坡度区间加入契形区。 二维连续函数曲线变换定义为公式： 同时曲线变换在离散实例中定义为公式： (5) 窗口函数支持会话 是二维离散信号发散：FFT, 公式5显示了该图像是分解使用快速离散曲波变换的FFT方法： 图像被分解二维的FFT，获取序列 , 根据不同比例和方向重复采样或插入要接收的值 让按比例放大窗口函数来接收新序列 并让保存二维FFT，因此得到比例j方向l和位置离散曲波变换系数。 图像融合算法的研究 图像融合算法依赖于： 图A曲波变换系数 图B曲波变换系数 图1 曲波变换基础上的图像融合算法的过程 A：低频率系数融合算法 曲波变换在低频率地区接近小波转换，图像组件包括主要能源图像并决定其轮廓，它可以通过正确选择低频率的视觉系数提高图像效果。现有融合规则主要有最大像素法、最小像素法，计算平均像素灰色的级别值，图像法、LREMS法、本地源区域偏差方法[6]。 最大像素法、 最小像素法和计算平均像素灰度级别源图像方法的值没有考虑到局部邻接相关性，所以融合结果不能获得