基于SIFT和小波多尺度分析的多聚焦圖像融合方法研究.pdf

1、分類號(hào)——UDC密級(jí)學(xué)校代碼10497武潷理歹大穿學(xué)位論文題目叁主曼!里至壟：』：選壘墨廛僉塹絲壘鬈筮圖堡塾金壅鎏塹塞英文—Studieson—MethodsofMultiFocusedImageFusion——題I三IBasedonSIFTAndWaveletMultiScaleAnalysis——研究生姓名壑筮量一——姓名鹼壟職稱指導(dǎo)教師申請(qǐng)學(xué)位級(jí)別論文提交日期430063亟學(xué)科專業(yè)名稱鹽笠墊廛固墊盔20135學(xué)位授予單位盎婆堡三盤(pán)

2、鱟學(xué)位授予EI蔸I澀!墨：6答辯委員會(huì)主席至!奎蘭竺評(píng)閱2013年5月武漢理工大學(xué)碩士學(xué)位論文摘要圖像融合是由信息融合發(fā)展而來(lái)的，是多傳感器信息融合中可視信息的處理，根據(jù)互補(bǔ)性，把來(lái)自多個(gè)傳感器的數(shù)據(jù)信息綜合起來(lái)，得到一個(gè)信息更豐富的圖像。近年來(lái)，圖像融合技術(shù)在遙感衛(wèi)星、自動(dòng)識(shí)別、醫(yī)學(xué)，特別是軍事方面的作用越來(lái)越大。多聚焦圖像的融合是圖像融合研究中一類具有代表性的問(wèn)題，它解決了現(xiàn)實(shí)生活中光學(xué)鏡頭聚焦不同物體所產(chǎn)生的限制，從而獲得一個(gè)聚焦

3、的各個(gè)相關(guān)對(duì)象都清晰的圖像。融合后圖像的質(zhì)量好過(guò)任何一個(gè)源圖像，有效地提高了圖像信息的利用率和系統(tǒng)對(duì)目標(biāo)探測(cè)識(shí)別的可靠性，廣泛地用于機(jī)器識(shí)別、目標(biāo)探測(cè)等領(lǐng)域。要取得比較理想的多聚焦圖像融合結(jié)果，就需對(duì)參與融合的圖像進(jìn)行配準(zhǔn)工作，嚴(yán)格的配準(zhǔn)是得到好的融合效果的前提。對(duì)某一場(chǎng)景進(jìn)行圖像拍攝的過(guò)程中，由于拍攝視角的變化或者光照度不同的影響，會(huì)影響后續(xù)圖像的融合。文中采用基于SIFT(ScaleInvariantFeatureTransForm

4、)特征的圖像配準(zhǔn)技術(shù)來(lái)提取特征點(diǎn)；根據(jù)BBF(BestBin—First)搜索算法找到最鄰近和次臨近特征點(diǎn)，依據(jù)最鄰近和次臨近特征點(diǎn)距離之比來(lái)確定初始的匹配對(duì)。由于圖像本身以及操作工程中受各種因素的影響，初始的匹配對(duì)中存在很多不穩(wěn)定的、對(duì)比度低的特征點(diǎn)，影響后續(xù)的配準(zhǔn)工作。為了得到精確的匹配對(duì)，我們用RANSAC(RandomSampleConsensus)隨機(jī)抽樣一致性算法來(lái)對(duì)初始的匹配對(duì)進(jìn)行提純，得到精確地匹配點(diǎn)集。利用透視變換模型

5、求出變換矩陣H，完成圖像的配準(zhǔn)工作。在以上配準(zhǔn)的基礎(chǔ)上，本文主要論述了基于小波多尺度分析的多聚焦圖像融合方法，詳細(xì)闡述了小波多尺度分析的應(yīng)用過(guò)程；并分析了空域和頻域常用的融合算法，由于不同的頻域采用不同的融合規(guī)則是圖像融合的核心，它的選取直接決定了圖像最后的融合效果。所以，本文在空間匹配度的基礎(chǔ)上對(duì)低頻小波融合規(guī)則進(jìn)行了改進(jìn)，并對(duì)融合后的多聚焦圖像在主觀方面和客觀方面(標(biāo)準(zhǔn)差、信息熵、平均梯度)與源圖像進(jìn)行了比較，結(jié)果表明本文圖像融合的