DWT在图像融合中的应用.docVIP

DWT在图像融合中的应用（课程设计） 摘 要 小波分析在图像处理中有非常重要的应用，包括图像压缩，图像去噪，图像融合，图像分解，图像增强等。小波分析是傅立叶分析思想方法的发展与延拓。除了连续小波(CWT)、离散小波(DWT)，还有小波包(Wavelet Packet)和多维小波。 对于连续小波而言，尺度a、时间t和与时间有关的偏移量τ都是连续的。如果利用计算机计算，就必须对它们进行离散化处理，得到离散小波变换(DWT)。 数字图像融合是图像分析的一项重要技术，该技术在数字地图拼接、全景图、虚拟现实等领域有着重要应用。虽然Photoshop等图像处现软件提供了图像处理功能，可以通过拖放的方式进行图像拼接，但由于完全是手工操作，单调乏味，且精度不高，因此，有必要寻找一种方便可行的图像融合方法。MATLAB具有强大的计算功能和丰富的工具箱函数，例如图像处理和小波工具箱包含了大多数经典算法，并且它提供了一个非常方便快捷的算法研究平台，可让用户把精力集中在算法上而不是编程上，从而能大大提高研究效率。 关键词：小波分析；离散小波变换；图像融合；MATLAB 目 录 1 课题描述 1 2设计原理 2 2.1小波分析的作用 2 2.2小波分析的基本理论 3 2.2.1从傅立叶变换到小波变换 3 2.2.2 连续小波变换 4 2.2.3离散小波变换 6 2.3 图像融合 7 2.3.1小波变换融合法 7 2.3.2图像融合步骤 8 2.4图像小波变换的MATLAB实现 9 2.4.1 MATLAB小波分析工具箱中有关的函数 9 2.4.2函数的调用 9 3设计过程 10 3.1设计内容 10 3.2设计程序 10 3.3程序运行结果及分析 11 总 结 12 参考文献 13 1 课题描述 小波分析是近15年来发展起来的一种新的时频分析方法。其典型应用包括齿轮变速控制，起重机的非正常噪声，自动目标所顶，物理中的间断现象等。而频域分析的着眼点在于区分突发信号和稳定信号以及定量分析其能量，典型应用包括细胞膜的识别，金属表面的探伤，金融学中快变量的检测，INTERNET的流量控制等。从以上的信号分析的典型应用可以看出，时频分析应用非常广泛，涵盖了物理学，工程技术，生物科学，经济学等众多领域，而且在很多情况下单单分析其时域或频域的性质是不够的，比如在电力监测系统中，即要监控稳定信号的成分，又要准确定位故障信号。这就需要引入新的时频分析方法，小波分析正是由于这类需求发展起来的。对于连续小波而言，尺度a、时间t和与时间有关的偏移量τ都是连续的。如果利用计算机计算，就必须对它们进行离散化处理，得到离散小波变换(DWT)。 数字图像融合是以图像为主要研究内容的数据融合技术，是把多个不同模式的图像传感器获得的同一场景的多幅图像或同一传感器在不同时刻获得的同一场景的多幅图像合成为一幅图像的过程。由于不同模式的图像传感器的成像机理不同，工作电磁波的波长不同，所以不同图像传感器获得的同一场景的多幅图像之间具有信息的冗余性和互补性，经图像融合技术得到的合成图像则可以更全面、更精确地描述所研究的对象。正是由于这一特点，图像融合技术现已广泛地应用于军事、遥感、计算机视觉、医学图像处理等领域中。 MATLAB 是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境. MATLAB 的应用范围非常广，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。附加的工具箱（单独提供的专用 MATLAB 函数集）扩展了 MATLAB 环境，以解决这些应用领域内特定类型的问题。 本课题是利用MATLAB对于两幅图像，实现图像的离散小波变换（DWT），对系数进行可见融合，并重构图像。 2设计原理 2.1小波分析的作用 小波分析克服了短时傅立叶变换在单分辨率上的缺陷，具有多分辨率分析的特点，在时域和频域都有表征信号局部信息的能力，时间窗和频率窗都可以根据信号的具体形态动态调整，在一般情况下，在低频部分(信号较平稳)可以采用较低的时间分辨率，而提高频率的分辨率，在高频情况下(频率变化不大)可以用较低的频率分辨率来换取精确的时间定位。因为这些特定，小波分析可以探测正常信号中的瞬态，并展示其频率成分，被称为数学显微镜，广泛应用于各个时频分析领域。 小波分析的应用是与小波分析的理论研究紧密地结合在一起的。现在，它已经在科技信息领域取得了令人瞩目的成就。电子信息技术是六大高新技术中的一个重要领域，图像和信号处理又是电子信息技术领域的重要方面。现今，信号处理已经成为当代科学技术工作的重要组成部分。现在，对性质随时间稳定不变的信号，处理的理想工具仍然是傅立叶分析。但在实际应用中，绝大多数信号是非稳定的