基于NSDTCT域图像融合及超分辨率重建算法研究-计算数学专业论文.docxVIP

合肥工业大学本论文经答辩委员会全体委员审查，确认符合合肥工业 合肥工业大学 本论文经答辩委员会全体委员审查，确认符合合肥工业 大学学历硕士学位论文质量要求。 答辩委员会签名(工作单位、职称、姓名) 主席：中国科学技术大学，教授， 委员：合肥工业大学，教授， 合肥工业大学，教授， 合肥工业大学，教授， 殇缈 合肥工业大学，副教授， 砂青山 导师：合肥工业大学，教授， 巾砷 万方数据 学位论文独创性声明本人郑重声明：所呈交的学位论文是本人在导师指导下进行独立研究工作所 学位论文独创性声明 本人郑重声明：所呈交的学位论文是本人在导师指导下进行独立研究工作所 取得的成果。据我所知，除了文中特别加以标注和致谢的内容外，论文中不包含 其他人已经发表或撰写过的研究成果，也不包含为获得金目曼王些太堂或其他 教育机构的学位或证书而使用过的材料。对本文成果做出贡献的个人和集体，本 人已在论文中作了明确的说明，并表示谢意。 学位论文中表达的观点纯属作者本人观点，与合肥工业大学无关。 学位论文作者签名：嘲 签名日期：矽瞄年牛月22日 学位论文版权使用授权书 本学位论文作者完全了解金胆王些盔堂有关保留、使用学位论文的规定， 即：除保密期内的涉密学位论文外，学校有权保存并向国家有关部门或机构送交 论文的复印件和电子光盘，允许论文被查阅或借阅。本人授权金目巴王些太堂可 以将本学位论文的全部或部分内容编入有关数据库，允许采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 (保密的学位论文在解密后适用本授权书) 学位论文作者签名：力乞纭≥勇 签名日期：砷肜年胪月啪 论文作者毕业去向 工作单位： 联系电话： E—mai 1： 通讯地址： 邮政编码： 万方数据 致谢时光荏苒，岁月如梭，短暂而充实的研究生学习生活即将接近尾声。在这两 致谢 时光荏苒，岁月如梭，短暂而充实的研究生学习生活即将接近尾声。在这两 年多的时间里，无论是在生活上还是学习上我都学到了很多。本文是我在研究生 学习期间的工作总结，在此论文完成之际，我衷心的向那些给予我帮助的老师、 同学及亲人们表示最诚挚的感谢! 首先，我要特别感谢我的导师殷明教授，本文的大部分研究工作都是在殷老 师的悉心指导下完成的。殷老师严谨的科研作风、敏锐的学术洞察力、忘我的工 作精神和平易近人品行，给我留下了深刻的印象。学习上，我从殷老师那里不但 学到了专业知识，更让我学会了如何以一个严谨认真的态度去做学术；生活上， 殷老师教我们对待生活和工作的态度以及做人的道理。最后，对殷老师在研究生 期间对我的培养和帮助表示衷心的感谢和深深的敬意! 感谢数学学院所有教导我的老师，感谢你们在研究生期间对我学习和生活上 的关心和帮助。 感谢魏远远、许任政、葛先玉等同学，在与你们团结合作、积极交流中，使 我得到很多的知识和灵感。我还要感谢13级数学学院的所有同窗和师兄师姐以及 学弟学妹们在学习和生活上给予我的帮助。 特别感谢我的家人在我学业上无私的支持和鼓舞，在生活上从来没有给我压 力，他们默默的支持是我不断前行的动力。 最后，感谢评阅专家对本论文提出的宝贵意见! 作者：庞纪勇 2016年4月3日 万方数据 摘 摘 要 图像融合就是将不同模式下获得的同一场景的各种图像数据的互补信息和冗 余信息进行整合，以得到一幅对该场景更好、更准确描述的图像；图像超分辨率 重建是对一幅或多幅具有互补信息的低分辨率图像进行处理，以获得分辨率相对 较高的重建图像。图像融合及超分辨率重建是图像的预处理，它们的处理效果对 于后续的图像检测、纹理分析、特征提取、模式识别等有着重要的影响。因此研 究图像融合及超分辨率重建有着重要的意义。 小波变换具有良好的时频局部化能力，已广泛应用于图像处理领域。然而传 统的小波变换缺乏平移不变性且只有有限的方向选择性，针对这一缺点，近些年 学者们提出了一些新型的图像稀疏表示工具，它们可以更稀疏地表示图像的局部 特征。本文首先研究了非下采样双树复轮廓波及非下采样四元数轮廓波等几种新 型图像稀疏表示工具，并结合压缩感知、稀疏表示以及脉冲耦合神经网络的优势， 然后深入探讨了如何将它们应用于图像融合及超分辨率重建中，主要工作如下： 1．提出了一种基于非下采样双树复轮廓波变换和压缩感知脉冲耦合神经网 络的图像融合算法。首先对源图像进行非下采样双树复轮廓波变换分解； 对于低频子带系数，给出了基于区域平均梯度、区域能量和S函数相结合 的自适应加权融合规则；对于数据量较大的高频子带系数，给出了基于 压缩感知脉冲耦合神经网络理论的融合规则，并将改进的拉普拉斯能量 和作为脉冲耦合神经网络的外部输入；最后对融合系数进行逆变换得到 融合图像。实验结果表明，所提算法可以有效地提高图像融合的计算效 率和质量，相比于其他经典的图像融合算法，可以得到较优的客