基于Contourlet變換的圖像融合算法.pdf

1、圖像融合是一項綜合同一場景多源圖像信息，得到一幅同一場景圖像的技術(shù)，在圖像理解和計算機視覺領域中有著重要的應用價值。從軍事應用為目的的數(shù)據(jù)融合技術(shù)開始，融合技術(shù)己廣泛用于資源管理、城市規(guī)劃、氣象預報、作物及地質(zhì)分析等領域。本文從變換方法和融合算法兩個方面綜合研究了多源圖像融合技術(shù)，提出了一種基于Contourlet變換的改進PCNN融合算法。該算法從變換域和融合算法兩個方面對融合進行改進，通過對比多層PCNN神經(jīng)元的點火次數(shù)，更好地提取

2、源圖像特征系數(shù)，有效保留圖像的紋理細節(jié)，大大改善了融合結(jié)果。 首先介紹了基于小波分解的圖像融合算法，給出了小波分解圖像融合的實現(xiàn)方案，并對影響該算法的融合結(jié)果的因素進行了討論。小波分解方法由于其多分辨率和非冗余性特性，在一維圖像融合方面具有顯著的優(yōu)勢，然而這種優(yōu)勢卻不能簡單推廣到多維應用中，不能最優(yōu)地表示含有線或面奇異的高維函數(shù)。本文引入Contourlet變換方法，該方法具有多分辨率、各項異性以及方向性的特點，這些特點決定了它

3、在圖像處理領域的潛力和優(yōu)勢。 其次介紹了多尺度變換方法，詳細描述了Contourlet變換的原理，通過對理想圖像融合的對比實驗，說明了Contourlet變換對小波變換的優(yōu)越性。另外還介紹了非下采樣Contourlet變換的原理及其在圖像融合中的應用。 接著本文通過多種融合算法的對比，針對一般融合算法的相關性較小，對整體細節(jié)把握較差的問題，引入了神經(jīng)網(wǎng)絡方法在圖像融合上的應用，提出了一種能有效保留源圖像細節(jié)和邊緣的改進的