版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、小波分析是近三十年來快速發(fā)展的一個新的數(shù)學(xué)分支。它是以傅立葉分析與泛函分析為基礎(chǔ)的一種新的信號分析方法。其應(yīng)用涉及自然科學(xué)與工程技術(shù)的很多方面,小波分析已經(jīng)被廣泛應(yīng)用在圖像處理、信號處理、生物醫(yī)學(xué)、采樣理論、量子力學(xué)、微分方程求解等科技領(lǐng)域。小波框架理論是小波分析的重要組成部分。
首先,簡述了小波分析和圖像融合的研究背景及研究意義,綜述了幾類框架的概念及性質(zhì),介紹了圖像融合的分類和評價指標(biāo)。
其次,在分?jǐn)?shù)階小波框架和
2、半正交多小波框架的基礎(chǔ)上,提出L2(R)上嚴(yán)格半正交分?jǐn)?shù)階多小波框架的概念,運(yùn)用時頻分析方法與泛函分析方法,研究了半正交分?jǐn)?shù)階多小波框架的性質(zhì),得到嚴(yán)格半正交分?jǐn)?shù)階多小波框架的等價條件,證明了半正交分?jǐn)?shù)階Parseval多小波框架與廣義多分辨分析分?jǐn)?shù)階Parseval多小波框架是等價的。
再次,提出了一種基于非抽樣雙樹復(fù)小波域的多聚焦圖像融合算法,對于低頻子帶系數(shù)采用塊主元旋轉(zhuǎn)的非負(fù)矩陣分解,高頻子帶系數(shù)則選用高斯加權(quán)區(qū)域能量
3、與區(qū)域標(biāo)準(zhǔn)差一致性選擇的圖像融合新方法。試驗(yàn)結(jié)果表明該算法是有效的。
為了克服紅外可見光圖像融合方法存在的不足,在第四部分中,提出了兩種基于快速有限剪切波變換的自適應(yīng)多方向圖像融合新方法。一種圖像融合方法是對低頻子帶系數(shù)采用非負(fù)矩陣分解的約束稀疏算法,對高頻子帶系數(shù)則采用方向權(quán)重對比度進(jìn)行選取,實(shí)驗(yàn)結(jié)果表明,融合后的圖像整體輪廓清晰,在客觀評價指標(biāo)上也有所提高;另一種圖像融合方法是對低頻子帶系數(shù)采用梯度信息相關(guān)法,對高頻子帶系
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 半正交框架與多小波框架.pdf
- 分?jǐn)?shù)階M帶小波及剪切波域的圖像融合算法研究.pdf
- 基于多小波的遙感圖像融合研究.pdf
- 基于多小波變換的圖像融合研究與實(shí)現(xiàn).pdf
- 基于RF5框架的多小波圖像融合系統(tǒng)的設(shè)計與開發(fā).pdf
- 多尺度特征點(diǎn)聚類與小波融合的圖像拼接技術(shù)研究.pdf
- 基于分?jǐn)?shù)階小波變換的圖像去噪研究.pdf
- 基于小波變換的多聚焦圖像融合與評價.pdf
- 半雙正交小波的理論研究.pdf
- 雙正交平衡多小波用于圖像壓縮.pdf
- 基于多小波的高分辨率圖像與多光譜圖像融合研究.pdf
- 基于小波變換的全色與多光譜圖像融合.pdf
- 小波域多聚焦圖像融合算法的研究
- 基于多小波的遙感圖像融合算法研究.pdf
- 小波域多聚焦圖像融合算法的研究.pdf
- 基于小波變換的多源遙感圖像融合.pdf
- 具有逼近階的M帶雙正交多小波的平衡化.pdf
- 小波圖像融合研究.pdf
- 基于小波技術(shù)的多源遙感圖像融合研究.pdf
- 基于小波系數(shù)局部統(tǒng)計特征的SAR圖像與TM圖像融合研究.pdf
評論
0/150
提交評論