基于改进的Shearlet变换的多聚焦图像融合-交通信息工程及控制专业论文.docxVIP

摘要 本论文主要研究了基于非下采样 Shearlet 变换和加权区域能量选取规则的多 聚焦图像融合算法。为消除 Shearlet 变换中下采样引起的伪吉布斯效应，本文采用 了具有平移不变性的非下采样 Shearlet 变换（NSST）对多聚焦图像进行融合，并 提出加权区域能量选取的融合规则。NSST 主要包括多尺度分解和方向滤波过程。 本文采用一组非下采样的两通道最大平坦响应滤波器构成非下采样拉普拉斯塔形 分解滤波器，对图像进行多尺度分解。采用 Meyer 小波建立 shear 滤波器对子带图 像进行方向滤波。滤波后的系数利用加权区域能量选取融合规则进行融合。 本文用 matlab 对算法进行了仿真，实验结果证明，当采用梯度矢量评估方法 、基于权值的结构相似度 和基于边缘的结构相似度 这三种客观评价指标 对融合图像的质量进行评价时，与基于其它融合规则的 NSST 变换、基于 NSCT 变换、基于 CVT 变换、基于 Shearlet 变换、基于小波变换的多聚焦图像融合算法 相比，对相同的源图像本文算法的融合结果的客观评价指标更高，融合效果更好。 关键词： 景深延拓 多聚焦图像融合 多尺度几何分析 Shearlet 变换 全聚焦 图片 Abstract This paper focuses on multi-focus image fusion which base