基于多尺度復變換的多傳感器圖像融合.pdf

1、圖像融合就是將同一場景的多幅圖像中的信息結(jié)合起來，生成一幅更適合人眼感知，或后續(xù)圖像處理的圖像，已經(jīng)廣泛用于偵查監(jiān)視、遙感、醫(yī)學成像和計算機視覺等領(lǐng)域。相對于離散小波變換等多尺度實系數(shù)變換工具，多尺度復變換得到的變換系數(shù)不僅包含幅度信息，還包含相位信息。并且，相對于幅度信息，復變換系數(shù)的相位信息包含了更多有用信息(如圖像空間結(jié)構(gòu)特征等)。然而，目前大多數(shù)基于多尺度復變換的圖像融合算法，僅僅利用了復變換系數(shù)的幅度信息，而沒有考慮其相位信息

2、。本文主要研究了基于多尺度復變換的圖像融合方法，主要工作包括：
　　首先，本文給出了基于多尺度變換的融合方法的基本步驟，即：圖像的多尺度分解與重構(gòu)、相似性度量、顯著性度量、融合策略等，并分析了這些方法的優(yōu)缺點。
　　其次，針對已有基于多尺度復變換圖像融合算法中沒有考慮變換系數(shù)相位信息的問題，本文提出了一種基于幅度和相位相結(jié)合的多模態(tài)圖像融合算法。該算法采用可平移復方向金字塔變換(shiftable complex direc

3、tional pyramd transform, SCDPT)作為多尺度變換工具，對源圖像進行多尺度和多方向分解和重構(gòu)。考慮SCDPT分解得到的帶通方向子帶系數(shù)為復數(shù)，其幅度信息反映了圖像灰度變化的強度，相位信息反映了圖像灰度變化的方向。我們構(gòu)建了一種基于復系數(shù)相對相位周期相關(guān)系數(shù)(circular correlation coefficient, CCC)和幅度能量匹配(energy matching, EM)相結(jié)合的相似性度量(CC

4、C-EM)，將輸入圖像之間的帶通方向子帶系數(shù)劃分為三種不同類型的區(qū)域，并針對各類型區(qū)域制定相應的顯著性度量以及融合規(guī)則。而對于SCDPT分解得到的低通子帶系數(shù)僅僅包含幅值信息，我們使用傳統(tǒng)的結(jié)構(gòu)相似度測量因子(structural similarity, SSIM)對輸入圖像之間的低通子帶系數(shù)進行區(qū)域劃分，并針對不同類型區(qū)域構(gòu)建相應的融合規(guī)則。實驗結(jié)果表明，本文提出的算法能更好地處理多模態(tài)圖像之間的冗余和和互補信息，從而得到對比度較高的

5、融合圖像。
　　最后，常用的多尺度變換工具僅僅包含幾個有限的方向子帶，不具有可旋轉(zhuǎn)性，當用于圖像融合時，無法準確提取源圖像中的方向信息。而單演小波變換不僅能提供幅值和瞬時相位，還提供了方向信息，可用于統(tǒng)計局部主方向，并將小波系數(shù)投影到主方向上。為此，我們提出了一種基于單演小波變換的多聚焦圖像融合算法。其中，我們利用徑向小波包含了各個方向綜合信息的特點，制定了一種基于徑向幅度信息的聚焦性度量因子；利用方向小波的可旋轉(zhuǎn)性，制定了一種基