论文部分内容阅读
图像融合技术可以将多幅图像融合在一起,得到一幅信息更全面更准确的目标图像。如今,该技术已广泛应用于遥感方面、医学图像处理、军事国防方面以及机器人、安全和监控等领域。本文分析讨论了多种图像特征,针对三种类型的图像,分别提出了相应的基于多特征的图像融合方法,具体内容如下:提出了基于多特征的多聚焦图像融合算法。本文以平均梯度、边缘强度、标准方差这三个特征作为多聚焦图像融合的依据。对两幅待融合图像使用Contourlet和小波变换相结合的方法来进行分解,高频系数依据这三个特征加权和取大融合,低频系数依据像素值取大融合,并使用多目标粒子群优化算法对图像的各个特征权值进行优化,经过小波逆变换和Contourlet逆变换得到最终融合图像。本文选用8组图像进行实验,并与基于组合特征的图像融合算法以及使用db1小波基的多特征图像融合算法进行对比,实验结果表明,本文算法所得的融合图像更加清晰,信息量更加丰富,评价参数更好。提出了基于多特征的医学图像融合算法。本文以信息熵、纹理特征、平均梯度这三个特征作为医学图像融合的依据。对两幅待融合图像使用Contourlet和小波变换相结合的方法来进行分解,高频系数依据这三个特征加权和取大融合,低频系数依据像素值取大融合,并使用多目标粒子群优化算法对图像的各个特征权值进行优化,经过小波逆变换和Contourlet逆变换得到最终融合图像。本文选用8组图像进行实验,并与基于组合特征的图像融合算法以及使用db1小波基的多特征图像融合算法进行对比,实验结果表明,本文算法所得的融合图像纹理更加清晰,目标信息更加丰富,融合效果更好,评价参数更好。提出了基于多特征的遥感图像融合算法。本文以平均梯度、边缘强度、分形特征这三个特征作为遥感图像融合的依据。对两幅待融合图像使用Contourlet和小波变换相结合的方法来进行分解,高频系数依据这三个特征加权和取大融合,低频系数依据像素值取大融合,并使用多目标粒子群优化算法对图像的各个特征权值进行优化,经过小波逆变换和Contourlet逆变换得到最终融合图像。本文选用8组图像进行实验,并与基于组合特征的图像融合算法以及使用dbl小波基的多特征图像融合算法进行对比,实验结果表明,本文算法所得的融合图像纹理细节信息、颜色信息都更丰富,图像融合效果更好,评价参数更好。本文提出的基于多特征的图像融合算法,极大地提升了融合图像的质量,在多聚焦图像,医学图像以及遥感图像应用中都取得了更好的融合效果,可见本文算法将会有更广泛的应用。