论文部分内容阅读
图像融合是为了结合相同场景的多幅图像来生成一幅包含所有源图像中重要特征的图像。融合图像更适合人类和机器的理解，能更好地完成图像处理任务，因此获得效果更好的图像融合算法是很有应用价值和研究意义的。本文在大量研读了现有融合算法文献的基础上，针对不同类型图像提出了图像融合算法。
主要研究工作和创新如下:
(1)本文首先介绍了图像融合的背景、意义、国内外的现状及融合和存在的问题。然后详细阐述了本文算法进行融合源图像的成像特点。最后重点分析了本文融合算法研究在空间域和变换域的层次。
(2)着重介绍了多尺度分解工具Contoutlet变换的理论和分解效果，然后，从结构和原理上阐述了Contourlet变换相较于非下采样Contourlet(NSCT)的在多尺度和多方向处理图像的不足。
(3)针对CT和MRI医学图像的特点，本文提出一种基于NSCT与脉冲神经网络(PCNN)相结合自适应医学图像融合算法。首先对已严格配准的待融合图像利用非下采样变换进行多方向多尺度分解，得到不同方向的高频子带系数和低频子带系数。将低频子带的基于边缘的选择值系数和高频子带系数作为PCNN的外部激励的输入，根据对应点的第一次的点火时间为依据对低频子带进行融合系数选取。采用canny算子对高频子带进行边缘检测;然后根据对应点的第一次点火时间和边缘检测的信息综合对高频子带进行融合系数选取。
(4)根据多聚焦图像特性和人类视觉特点，本文提出一种基于NSCT与交叉视觉皮质模型(ICM)相结合多聚焦图像融合算法。利用NSCT对源图像分解得到不同方向的高频子带系数和低频子带系数。低频子带主要集中源图像的能量和背景信息，同时要尽量多地保留不失焦部分。计算低频子带的系数改进拉普拉斯能量和，作为ICM的外部激励的输入。融合低频系数根据对应点的第一次点火时间和改进拉普拉斯能量和综合选取。高频子带主要体现源图像的边缘，对比度。将高频子带系数改进空间频率作为ICM的外部激励的输入。最后将对应第一次点火时间和改进的空间频率综合为依据对高频融合系数进行选取。
本文对两种融合算法进行了相应的实验仿真，同时与其他融合算法进行了对比。结果表明采用文本提出的算法得到的图像有更良好的视觉效果和更丰富的细节信息，并且在客观评价指标下对不同的融合算法进行分析比较，说明本文算法具有更好的保留图像的边缘及纹理信息的能力，分析得到的重要结论对于后续的图像处理工作有着重要的实践指导意义。
主要研究工作和创新如下:
(1)本文首先介绍了图像融合的背景、意义、国内外的现状及融合和存在的问题。然后详细阐述了本文算法进行融合源图像的成像特点。最后重点分析了本文融合算法研究在空间域和变换域的层次。
(2)着重介绍了多尺度分解工具Contoutlet变换的理论和分解效果，然后，从结构和原理上阐述了Contourlet变换相较于非下采样Contourlet(NSCT)的在多尺度和多方向处理图像的不足。
(3)针对CT和MRI医学图像的特点，本文提出一种基于NSCT与脉冲神经网络(PCNN)相结合自适应医学图像融合算法。首先对已严格配准的待融合图像利用非下采样变换进行多方向多尺度分解，得到不同方向的高频子带系数和低频子带系数。将低频子带的基于边缘的选择值系数和高频子带系数作为PCNN的外部激励的输入，根据对应点的第一次的点火时间为依据对低频子带进行融合系数选取。采用canny算子对高频子带进行边缘检测;然后根据对应点的第一次点火时间和边缘检测的信息综合对高频子带进行融合系数选取。
(4)根据多聚焦图像特性和人类视觉特点，本文提出一种基于NSCT与交叉视觉皮质模型(ICM)相结合多聚焦图像融合算法。利用NSCT对源图像分解得到不同方向的高频子带系数和低频子带系数。低频子带主要集中源图像的能量和背景信息，同时要尽量多地保留不失焦部分。计算低频子带的系数改进拉普拉斯能量和，作为ICM的外部激励的输入。融合低频系数根据对应点的第一次点火时间和改进拉普拉斯能量和综合选取。高频子带主要体现源图像的边缘，对比度。将高频子带系数改进空间频率作为ICM的外部激励的输入。最后将对应第一次点火时间和改进的空间频率综合为依据对高频融合系数进行选取。
本文对两种融合算法进行了相应的实验仿真，同时与其他融合算法进行了对比。结果表明采用文本提出的算法得到的图像有更良好的视觉效果和更丰富的细节信息，并且在客观评价指标下对不同的融合算法进行分析比较，说明本文算法具有更好的保留图像的边缘及纹理信息的能力，分析得到的重要结论对于后续的图像处理工作有着重要的实践指导意义。