圖像多尺度鄰域距離分解及其應(yīng)用.pdf

1、多尺度結(jié)構(gòu)是自然圖像的基本特征之一。圖像的大尺度子圖通常反映該圖的整體結(jié)構(gòu)，包含較多的圖像低頻信息，其可看作圖像的低頻分量；小尺度子圖包含較多的圖像細節(jié)和紋理信息，其可看作圖像的高頻分量。能有效提取圖像的多尺度信息的各種圖像多尺度分解方法已經(jīng)在圖像處理的各個領(lǐng)域，如圖像去噪、圖像分割、圖像清晰度評價和多源圖像融合等，得到了廣泛且成功的應(yīng)用。
　　在圖像的拉普拉斯多尺度分解方法中，圖像的高頻分量由原圖與圖像的低頻分量做差而間接得到。

2、因此，用其表示圖像像素點間的灰度變化并不十分準確。鑒于圖像高頻分量在許多圖像處理任務(wù)中的重要性，本文提出了一種新的圖像高頻分量提取濾波器，進而構(gòu)造了一種新的圖像多尺度分解方法，并將這種新的圖像多尺度分解方法應(yīng)用于無參考圖像清晰度評價、多聚焦圖像融合和多源圖像融合等圖像處理任務(wù)中。
　　本文所取得的主要研究成果與創(chuàng)新工作概述下：
　?。?）鑒于微分幾何中光滑曲面上兩點間的有向距離能有效地衡量兩點間的高度差，因此本文首先使用非參

3、數(shù)曲面擬合方法把離散的數(shù)字圖像轉(zhuǎn)化為光滑的圖像曲面，然后使用有向距離概念計算圖像曲面點的鄰域距離，并利用鄰域距離構(gòu)造了一個新的鄰域距離濾波器用以快速提取灰度圖像的高頻分量，最后基于鄰域距離濾波器提出了一種新的圖像多尺度分解方法。
　?。?）光學(xué)成像系統(tǒng)中的自動對焦及圖像感興趣區(qū)域的自動定位等應(yīng)用都要求在無參考圖像的情形下對某一圖像的清晰度進行快速有效的評價。由于圖像的清晰度信息較多地存在于圖像的高頻分量中，我們利用所提出的鄰域距離

4、濾波器提取圖像的高頻分量，然后利用提取的高頻分量構(gòu)造了一種新的圖像清晰度快速評價指標。實驗結(jié)果表明該清晰度評價指標具有較高的評價性能，且其計算極為快速。
　?。?）準確有效地提取多聚焦源圖像組中每個圖像的準確對焦區(qū)域是多聚焦圖像融合任務(wù)中的關(guān)鍵因素。本文首先將各個多聚焦源圖像分割為一定大小的子圖像塊，然后分別計算每個子圖像塊的清晰程度，最后按照子圖像塊的清晰度選大的規(guī)則選取各個多聚焦源圖像中被準確對焦的子區(qū)域，并將各個被選擇子圖像

5、塊組合得到最終的處處準確對焦的融合圖像。實驗結(jié)果表明：在所選用的融合圖像評價指標下，與相同類型的多聚焦圖像融合算法相比，提出的多聚焦圖像融合方法能得到更好的融合圖像。
　　（4）為了克服基于塊清晰度的多源圖像融合方法中子圖像塊大小難以確定和最終的融合圖像容易出現(xiàn)塊效應(yīng)等缺點，首先利用提出的圖像多尺度分解方法將各個源圖像分解為一系列的高頻子圖像和一個低頻子圖像，然后利用高頻子圖系數(shù)與低頻子圖系數(shù)的比值構(gòu)造每個像素點的對比度，最后基于

6、對比度選大的原則選取各個源圖像的高頻子圖系數(shù)作為融合圖像的高頻子圖，并通過圖像分解逆過程重構(gòu)得到融合圖像。實驗結(jié)果表明：在所選用的融合圖像評價指標下，與常見的基于圖像多尺度分解的多聚焦圖像融合算法相比，所提出的多聚焦圖像融合算法能得到更好的融合圖像。
　?。?）自然圖像除了包含奇異點外，還包含大量的指向不同方向的奇異線。為了克服多尺度鄰域距離分解只能提取圖像的奇異點的缺點，我們將圖像的多尺度鄰域距離分解與方向濾波組相結(jié)合，構(gòu)造了一