论文部分内容阅读
在上世纪多传感器提出及发展后,图像融合技术随着计算机信息技术的飞速发展也得到极大发展,其应用领域也变得越来越广泛。进入到新世纪后图像融合更是成为了热门的研究课题。图像融合在自动目标识别、机器视觉、遥感、机器人、复杂智能制造系统、医学图像等非军事领域和军事领域有着广泛的应用。图像融合一般分为像素级融合、特征级融合、决策级融合三个层次。图像融合就是通过单一的传感器对同一场景、区域或同一目标的多次成像或者是多传感器对同一场景、区域或同一目标的成像,按照一定的规则进行处理得到一幅新的图像的技术。这样获得的图像或图像特征比单幅图像在各种指数或信息方面都更加准确、更加完整。因为单一传感器得到的图像在各方面的信息具有一定的差异性和局限性,而通过图像融合技术处理,可以将多个单一传感器获得的图像信息进行综合,这样可以将信息数据误差最小化,这样得到的图像信息将更加准确更加完善完整。对多个传感器信息的融合能获得同一场景或目标更全面、更准确、更可靠的信息,并且通过图像融合技术处理得到后的图像更适应于人或机器的视觉特性,这样再对图像结果进行进一步的深入处理就变得相对简单和易于操作了。对于应用于图像融合中的小波变换通常是指二维小波变换,一维小波变换通常用于一维信号变换,在图像融合领域小波变换已被广泛应用。二维小波变换中的二维小波一般是指传统二维张量积小波,其二维小波空间可以分解为两个一维小波空间的张量乘积。传统张量积小波在方向性上有缺失,它只能捕捉有限的方向信息,只能捕捉水平方向、垂直方向和对角线方向上的信息,而且传统张量积小波不能充分利用数据本身特有的特征,也不是最优的函数表示方法,方向性的缺失使得它不能充分地利用图像本身的几何正则性。非张量积小波对比张量积小波,其 发展远远落后,但现在非张量积小波滤波器设计已经成为人们研究的热点课题。非张量积小波对比张量积小波具有捕获所有方向的奇异性特点,这点很好弥补张量积小波方向性缺失的不足,并且它还拥有传统小波所有的多分辨率分析的能力。对比传统小波的低计算复杂度,非张量积小波的计算复杂度则是比较高的计算复杂度。用非张量积小波对图像进行小波变换,可以得到更多的高频信息,这样更有利于分析图像的细节信息。本文提出了基于不可分小波与方向滤波器的多光谱图像融合方法,根据二维非张量积小波滤波器组构造的理论和具体构造方法,重点研究和构造了基于伸缩矩阵为[2,0;0,2]的二维四通道不可分小波滤波器组的构造,将其和方向滤波器相结合对实验图像进行图像融合处理,融合过程中对分解的低频系数采用平均处理,对高频系数采用绝对值取大处理。另外采用传统IHS方法、IHS-WBCT方法和IHS-DWT方法在同一实验环境中对相同实验图像分别进行融合实验,对上述所有实验结果进行评价和分析,并进行比较。实验结果表明,本文提出方法与上述其它三种方法相比,在保持图像空间分辨率信息的能力和保持图像较好的整体光谱信息的能力都要优于上述其它方法。