基于小波变换的像素级图像融合算法研究答辩稿.pptVIP

基于小波变换的像素级图像融合算法研究 导 师: 答辩人: 专 业: 图像融合的意义 小波分析理论基础 多分辨率图像融合 基于边缘的加权多分辨率图像融合 总结 主要内容 1 图像融合的意义 图像 融合 研究背景 单幅图像数据难以满足实际需求 不同图像数据的各自优势和互补性综合起来非常实用 图像融合在计 算机视觉、目标识别等领域成为研究热点 研究意义 图像融合能够扩大时空传感范围，提高观测的准确性和清晰性 完善的重构能力，保证信号在分解过程中没有信息损失和冗余信息 提供了与人类视觉系统方向相吻合的选择性图像 在图像融合之前，由于图像间的位移、畸变以及噪声污染等问题，图像融合之前必须经过一系列预处理 。 1.2 图像融合流程 2 小波变换 2.1 小波变换概述 小波变换是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具。它的主要特点是对信号的局部特征表征能力强，因此，小波变换在许多领域都得到了成功的应用。 2.2 Mallat算法概述 根据多分辨率理论，Mallat提出了小波分解与重构的快速算法，即Mallat算法。Mallat算法可避免尺度值越大，对信号的采用就越紧密的缺点。这一算法在小波中的地位，想到于快速傅里叶变换在经典傅里叶分析中的地位。 3.1 多分辨率图像融合框架 3. 2 各模块概述 2 3 4 1 活性测度：能够提取输入图像多分辨率分析系数某种特征信息，从而用于决定哪幅输入图像的特征信息更为明显。 匹配测度：用以表示输入图像的多分辨率分析系数间的匹配或相似程度。 决策模块：算法的核心，输出量决策因子控制着输入图像多分辨率分析系数的合成，用于计算融合图像的分解系数。 合成模块：指对输入图像的多分辨率分析系数的合并，从而得到融合后图像F的多分辨率系数 活性测度： 决策模块： 合成模块： 匹配测度： 4 基于边缘的加权多分辨率图像融合 4.1 概述 基于多分辨小波变化的图像融合算法中，用 Canny算子提取出图像分解出来的每一幅子图的边缘，然后根据这些子图的某些边缘特征，再结合图像细节的合理取舍进行图像的融合。 4.2 实验结果： 原始图像 Petrovi方法 本章方法 1、多聚焦图像的融合： 4.2 实验结果： （a）可见光图像 （b）红外图像 (c)Petrovi方法 （d）本章方法 2、可见光图像和红外图像的融合： 两种方法均有效地利用了精确度较高的像素级图像融合规则，但Petrović方法融合结果图的结构出现了一定的失真，特别是对于反差较大的红外和可见光图像，其融合结果图中出现了较多的纹波（如“OCTEC”字的周围），相比之下本章方法的融合结果图则较为清晰，边缘特征更为明显(如右侧楼宇的窗户），因此从融合结果和性能指标来看，本章方法的结构失真更小，更符合人眼的视觉特性。 5 总结 本文重点研究了的是基于小波变换的像素级图像融合，内容涉及了图像融合的概念、融合的目的和意义、融合图像的基本特点和应用领域、图像融合的层次和算法、图像预处理、图像融合的性能评价、基于边缘的多分辨率图像融合图像融合等。