多聚焦圖像像素級融合算法研究.pdf

1、圖像融合作為信息融合的重要分支，綜合了傳感器技術(shù)、信號處理、圖像處理和人工智能等學(xué)科，是準確獲取圖像信息的有效途徑。多聚焦圖像融合是多源圖像融合領(lǐng)域的研究重點，它克服了單一圖像在光譜、幾何、空間分辨率等方面的問題。其中，像素級融合信息丟失較少，細節(jié)信息獲取較多，已成為多聚焦圖像融合研究的主流方向。然而像素級融合對配準精度要求較高，并且在融合過程中需要處理大量的圖像細節(jié)，實時性較差。本文深入研究了像素級圖像融合過程中的關(guān)鍵問題與環(huán)節(jié)。具體

2、工作如下:
　　針對圖像配準過程中，初始匹配點對不準確、運算速度慢的問題，提出了基于視差約束和聚類分析的特征匹配方法，首先采用Harris角點檢測和歸一化互相關(guān)(Normalized Cross Correlation，NCC)函數(shù)對源圖像進行粗匹配，然后分別利用距離特征向量和方向特征向量對粗匹配結(jié)果進行K-means聚類，最后，采用隨機抽樣一致算法(Random Sampling Consensus，RANSAC)進行二次優(yōu)化。

3、本文通過引入聚類分析思想，旨在提高匹配點對的查準率，降低精匹配運算時間。實驗結(jié)果表明，基于視差約束和聚類分析的配準算法可以消除大部分錯誤匹配點對，提高傳統(tǒng)圖像匹配算法的精度，縮短運行時間。
　　針對傳統(tǒng)基于多尺度變換的多聚焦圖像融合算法中，融合精度相對較低的問題，提出了基于對偶樹Contourlet變換(Dual Tree Contourlet Transform，DTCT)的圖像融合方法，首先對多聚焦圖像分別進行DTCT分解，得