多尺度分解的像素級圖像融合關(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)同利用同一場景的多種傳感器圖像信息，輸出一幅更適合于人類視覺感知或計算機進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，有利于更為準確、更為可靠、更為全面地獲取目標或場景的信息。圖像融合由低到高一般分為三個層次:像素級圖像融合、特征級圖像融合和決策級圖像融合。與另外兩個層次相比，像素級圖像融合直接結(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，像素級圖像融合在攝影、醫(yī)學成像和視頻監(jiān)控等方面取得了顯著的成就。
　　本文就像素級圖像融合中基于多尺度分解這一類方法存在的一些問題進行了深入研究，并提出了改進方法。論文的主要創(chuàng)新性工作如下:
　　1.針對基于脈沖耦合神經(jīng)網(wǎng)絡(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域中計算改進的拉普拉斯能量和(SML)作為PCNN神經(jīng)元的

3、激勵。由于鏈接強度在PCNN中起著重要作用，通過計算每個系數(shù)相對于鄰域系數(shù)的重要性，提出一種自適應模糊方法來確定鏈接強度。該方法結(jié)合人眼視覺感知特性與模糊隸屬度值自動獲得每個系數(shù)的重要程度，進而作為PCNN模型中的鏈接強度。實驗結(jié)果表明，本文方法對于人工仿真和真實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特優(yōu)勢，提出一種基于二型模糊邏輯的NSCT域多模態(tài)醫(yī)學圖像融合新方法。

4、首先，對已配準的源圖像進行NSCT變換以獲取其高頻和低頻子帶。然后，構(gòu)建一個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自動選擇高頻系數(shù)。對于低頻子帶，通過利用圖像的局部特征，采用基于局部能量的方法進行融合。最后，通過對融合子帶進行NSCT逆變換而獲得最終的融合圖像。主觀和客觀的實驗結(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比度的融合圖像，并且具有更高的準確性和通用性。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效果。
　　3.針對目前基于引導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特征與梯度域引導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源圖像分解為兩個分量:由均勻區(qū)域形成的近似分量和具有邊緣信息的細節(jié)分量。然后，通過衡量源圖像的三個關(guān)鍵視覺特征—對比度顯著度、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，通過提出的基于