基于導向濾波和多尺度分析的圖像融合算法研究.pdf

1、圖像融合是在信息融合技術(shù)的理論基礎(chǔ)上發(fā)展而來的圖像處理技術(shù)，是把來自多個不同的傳感器或者同一的傳感器在不同時刻的同一場景的多幅圖像融合成一幅圖像，來獲取對場景的更為準確清晰的表示，使之更加適合人類的視覺感知和后續(xù)的圖像處理。本文從多尺度幾何分析，初步探討了一些基于多尺度幾何分析圖像融合算法及其改進方法，并成功地將其應用在多種圖像融合中，改進了融合效果。主要工作概括如下：
　　1.本文在小波融合的基礎(chǔ)上分別對多聚焦圖像的融合，遙感圖

2、像中的多光譜圖像和全色圖像的融合，和醫(yī)學圖像的融合進行了改進與創(chuàng)新。其中在多聚焦圖像融合中，本文采取了97小波分解成源圖像相對應的低頻和高頻，在低頻中采取基于全局對比度的圖像顯著性的融合法則，高頻采用了基于導向濾波的融合法則。由于圖像的低頻攜帶了圖像的大部分的能量，顯示出圖像的輪廓信息，因而采用基于顯著性的融合法則能夠很好地表現(xiàn)圖像的輪廓的信息。而由于高頻信息表現(xiàn)的是圖像的細節(jié)特征，為了使融合后圖像的邊緣特征更加平滑，本文加入了導向濾波

3、，使融合后圖像的效果更好。
　　2.而在對于多光譜圖像和全色圖像的融合，本文采取了基于IHS和導向濾波的多尺度融合方法。由于多光譜圖像的光譜信息豐富，但是空間分辨率不高，而全色圖像的的空間分辨率較高，但是光譜信息不豐富，因而融合后的圖像既要有豐富的光譜信息，還有達到一定的空間分辨率。本文的方法首先把多光譜和全色圖像進行IHS變換，然后I分量分別進行小波分解，在高頻采用導向濾波的融合法則。把多光譜的I分量是導向圖，全色圖像的I分量是

4、輸入圖，最后進行小波逆變換就以及IHS逆變換，得到融合結(jié)果圖。本文提出的融合方法可以很好地得到光譜信息豐富，空間分辨率較高的融合圖像。
　　3.而對于醫(yī)學圖像的融合，由于現(xiàn)在醫(yī)學圖像種類的繁多，對于醫(yī)學圖像的融合可以很好地幫助醫(yī)生進行病情的檢測。本文提出的基于PCA字典的融合方法中，首先對CT圖像和MRI圖像進行小波分解，在低頻采用絕對值取大的融合法則，在高頻采用PCA字典的融合法則。由于CT圖像可以很好地表現(xiàn)骨骼的圖像信息，而M