基于剪切波變換和圖像塊匹配的圖像融合算法研究.pdf

1、圖像融合是指將同一或不同傳感器在相同場景下采集到的兩幅或多幅圖像綜合為一幅圖像的過程。通過這樣的綜合，可以將來自多傳感器的重要信息篩選、整合，從而獲得一幅更加全面、準(zhǔn)確和豐富的融合后的場景描述。圖像融合不但可以克服單一傳感器在采集圖像時的局限性，從而保留多幅圖像中更加豐富的紋理以及細(xì)節(jié)信息;同時還可以提高圖像的可理解性，為后續(xù)的計算機(jī)視覺領(lǐng)域的應(yīng)用提供了更可靠的圖像準(zhǔn)備。因此，為進(jìn)一步提升圖像融合的效果和效率，本文通過使用剪切波變換和三

2、維圖像塊匹配算法，提出一種空間域與變換域相結(jié)合的圖像融合框架，致力于研究新的圖像融合算法。
　　首先，本文研究了結(jié)合圖像塊匹配的圖像融合算法框架，在傳統(tǒng)的變換域融合框架的基礎(chǔ)上，參照三維塊匹配去噪算法(Block-matching and3D filtering，BM3D)的理念，將輸入圖像在空間域進(jìn)行預(yù)處理，增加了分塊和依據(jù)相似性分組的處理步驟，使原有的圖像塊依據(jù)其內(nèi)在的相似性組成三維數(shù)組的形式進(jìn)行三維變換，再進(jìn)入到變換域進(jìn)行后

3、續(xù)融合。在實驗部分，本文采用結(jié)合不同多尺度變換方法的三維變換以及一些常見的融合規(guī)則對源圖像進(jìn)行處理，并對比分析。實驗結(jié)果表明，采用該算法框架獲得的融合圖像主觀視覺效果和客觀評價指標(biāo)都得到了提升。
　　其次，本文研究了基于非下采樣剪切波變換和圖像塊匹配的多聚焦圖像融合算法。根據(jù)多聚焦圖像的特點以及人類的視覺特性，提出了一種結(jié)合脈沖耦合神經(jīng)網(wǎng)絡(luò)（Pulse Coupled Neural Network，PCNN）和改進(jìn)的拉普拉斯能量和

4、(Sum-modified-Laplacian，SML)的融合規(guī)則。實驗結(jié)果表明該融合規(guī)則算法能夠很好的與圖像塊匹配算法相結(jié)合，進(jìn)一步提升了多聚焦圖像的融合效果。
　　最后，本文研究了基于上述融合框架的醫(yī)學(xué)圖像融合算法。根據(jù)醫(yī)學(xué)圖像的成像特點，結(jié)合第二代非支配排序遺傳算法（Non-dominated Sorting GeneticAlgorithmⅡ，NSGA-Ⅱ）的融合規(guī)則，提出了一種采用IHS(Intensity, Hue，S