基于NSDTCT域圖像融合及超分辨率重建算法研究.pdf

1、圖像融合就是將不同模式下獲得的同一場(chǎng)景的各種圖像數(shù)據(jù)的互補(bǔ)信息和冗余信息進(jìn)行整合，以得到一幅對(duì)該場(chǎng)景更好、更準(zhǔn)確描述的圖像;圖像超分辨率重建是對(duì)一幅或多幅具有互補(bǔ)信息的低分辨率圖像進(jìn)行處理，以獲得分辨率相對(duì)較高的重建圖像。圖像融合及超分辨率重建是圖像的預(yù)處理，它們的處理效果對(duì)于后續(xù)的圖像檢測(cè)、紋理分析、特征提取、模式識(shí)別等有著重要的影響。因此研究圖像融合及超分辨率重建有著重要的意義。
　　小波變換具有良好的時(shí)頻局部化能力，已廣泛應(yīng)

2、用于圖像處理領(lǐng)域。然而傳統(tǒng)的小波變換缺乏平移不變性且只有有限的方向選擇性，針對(duì)這一缺點(diǎn)，近些年學(xué)者們提出了一些新型的圖像稀疏表示工具，它們可以更稀疏地表示圖像的局部特征。本文首先研究了非下采樣雙樹復(fù)輪廓波及非下采樣四元數(shù)輪廓波等幾種新型圖像稀疏表示工具，并結(jié)合壓縮感知、稀疏表示以及脈沖耦合神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)，然后深入探討了如何將它們應(yīng)用于圖像融合及超分辨率重建中，主要工作如下:
　　1.提出了一種基于非下采樣雙樹復(fù)輪廓波變換和壓縮感知

3、脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像融合算法。首先對(duì)源圖像進(jìn)行非下采樣雙樹復(fù)輪廓波變換分解;對(duì)于低頻子帶系數(shù)，給出了基于區(qū)域平均梯度、區(qū)域能量和S函數(shù)相結(jié)合的自適應(yīng)加權(quán)融合規(guī)則;對(duì)于數(shù)據(jù)量較大的高頻子帶系數(shù)，給出了基于壓縮感知脈沖耦合神經(jīng)網(wǎng)絡(luò)理論的融合規(guī)則，并將改進(jìn)的拉普拉斯能量和作為脈沖耦合神經(jīng)網(wǎng)絡(luò)的外部輸入;最后對(duì)融合系數(shù)進(jìn)行逆變換得到融合圖像。實(shí)驗(yàn)結(jié)果表明，所提算法可以有效地提高圖像融合的計(jì)算效率和質(zhì)量，相比于其他經(jīng)典的圖像融合算法，可以得到較

4、優(yōu)的客觀指標(biāo)，較好的視覺效果。
　　2.提出了一種基于非下采樣雙樹復(fù)輪廓波變換和稀疏表示的遙感圖像融合算法。分析了非下采樣雙樹復(fù)輪廓波變換后的高低頻系數(shù)的特點(diǎn)，對(duì)于低頻系數(shù)，利用稀疏表示進(jìn)行融合，并對(duì)稀疏表示系數(shù)給出基于空間頻率和l1范數(shù)雙指標(biāo)取大的融合規(guī)則;對(duì)于高頻系數(shù)，將改進(jìn)的拉普拉斯能量和作為脈沖耦合神經(jīng)網(wǎng)絡(luò)的外部輸入項(xiàng)，給出了改進(jìn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)的融合策略。實(shí)驗(yàn)結(jié)果表明，所提算法可以提高空間分辨率的同時(shí)最大限度地保留光譜

5、信息，在視覺效果及客觀指標(biāo)上均優(yōu)于一些經(jīng)典的遙感圖像融合算法。
　　3.提出了一種基于插值與非下采樣四元數(shù)輪廓波變換域融合相結(jié)合的單幅圖像超分辨率重建算法。首先對(duì)源圖像進(jìn)行軟判決自適應(yīng)插值和三次樣條插值;然后對(duì)兩幅插值圖像進(jìn)行非下采樣四元數(shù)輪廓波變換分解，對(duì)于低頻子帶系數(shù)，給出了基于區(qū)域平均梯度、區(qū)域能量和S函數(shù)相結(jié)合的自適應(yīng)加權(quán)融合規(guī)則;對(duì)于高頻子帶系數(shù)，給出了一種基于改進(jìn)的拉普拉斯能量和與加權(quán)分析法相結(jié)合的融合規(guī)則;最后對(duì)融合