多尺度分解的像素級(jí)圖像融合關(guān)鍵技術(shù)研究.pdf

1、圖像融合是圖像處理中重要部分，能夠協(xié)同利用同一場(chǎng)景的多種傳感器圖像信息，輸出一幅更適合于人類(lèi)視覺(jué)感知或計(jì)算機(jī)進(jìn)一步處理與分析的融合圖像。它可明顯的改善單一傳感器的不足，提高結(jié)果圖像的清晰度及信息包含量，有利于更為準(zhǔn)確、更為可靠、更為全面地獲取目標(biāo)或場(chǎng)景的信息。圖像融合由低到高一般分為三個(gè)層次:像素級(jí)圖像融合、特征級(jí)圖像融合和決策級(jí)圖像融合。與另外兩個(gè)層次相比，像素級(jí)圖像融合直接結(jié)合源圖像中的原始信息，有利于圖像后續(xù)的分析與處理。由于這一

2、優(yōu)勢(shì)，像素級(jí)圖像融合在攝影、醫(yī)學(xué)成像和視頻監(jiān)控等方面取得了顯著的成就。
　　本文就像素級(jí)圖像融合中基于多尺度分解這一類(lèi)方法存在的一些問(wèn)題進(jìn)行了深入研究，并提出了改進(jìn)方法。論文的主要?jiǎng)?chuàng)新性工作如下:
　　1.針對(duì)基于脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)的融合方法中參數(shù)固定化的局限，提出一種基于模糊邏輯自適應(yīng)PCNN與非下采樣輪廓變換(NSCT)的多聚焦圖像融合新方法。在NSCT域中計(jì)算改進(jìn)的拉普拉斯能量和(SML)作為PCNN神經(jīng)元的

3、激勵(lì)。由于鏈接強(qiáng)度在PCNN中起著重要作用，通過(guò)計(jì)算每個(gè)系數(shù)相對(duì)于鄰域系數(shù)的重要性，提出一種自適應(yīng)模糊方法來(lái)確定鏈接強(qiáng)度。該方法結(jié)合人眼視覺(jué)感知特性與模糊隸屬度值自動(dòng)獲得每個(gè)系數(shù)的重要程度，進(jìn)而作為PCNN模型中的鏈接強(qiáng)度。實(shí)驗(yàn)結(jié)果表明，本文方法對(duì)于人工仿真和真實(shí)多聚焦圖像的融合效果均優(yōu)于已存在的多種圖像融合方法。
　　2.利用二型模糊邏輯在描述不精確性方面的獨(dú)特優(yōu)勢(shì)，提出一種基于二型模糊邏輯的NSCT域多模態(tài)醫(yī)學(xué)圖像融合新方法。

4、首先，對(duì)已配準(zhǔn)的源圖像進(jìn)行NSCT變換以獲取其高頻和低頻子帶。然后，構(gòu)建一個(gè)基于二型模糊邏輯的有效融合規(guī)則用于融合高頻子帶。在該方法中，引入局部二型模糊熵來(lái)自動(dòng)選擇高頻系數(shù)。對(duì)于低頻子帶，通過(guò)利用圖像的局部特征，采用基于局部能量的方法進(jìn)行融合。最后，通過(guò)對(duì)融合子帶進(jìn)行NSCT逆變換而獲得最終的融合圖像。主觀(guān)和客觀(guān)的實(shí)驗(yàn)結(jié)果表明，與現(xiàn)有的一些主流融合方法相比，該方法能獲得更高對(duì)比度的融合圖像，并且具有更高的準(zhǔn)確性和通用性。此外，在本文還將

5、該方法推廣到彩色醫(yī)學(xué)圖像融合中，結(jié)果證明其可以在更大程度上抑制顏色失真并改善視覺(jué)效果。
　　3.針對(duì)目前基于引導(dǎo)濾波的融合多尺度分解系數(shù)方法的不足，提出一種基于多視覺(jué)特征與梯度域引導(dǎo)濾波的多源圖像融合新方法。首先，使用高斯平滑濾波器將每個(gè)源圖像分解為兩個(gè)分量:由均勻區(qū)域形成的近似分量和具有邊緣信息的細(xì)節(jié)分量。然后，通過(guò)衡量源圖像的三個(gè)關(guān)鍵視覺(jué)特征—對(duì)比度顯著度、清晰度和結(jié)構(gòu)顯著度，提出一種有效的決策圖構(gòu)建模型。接著，通過(guò)提出的基于