结构感知图像融合框架
发布时间：2021-06-06 20:39
图像融合是将多个传感器对同一场景或目标所获取的多幅源图像中的互补信息综合处理,融合生成复合图像的技术。融合图像集中了各张源图像中所包含的有效信息,因此比单一源图像的信息更加全面,也更加准确和稳定。常见的变换域融合方法将各张源图像转变为变换域系数,再融合各张源图像的对应变换域系数,最后对融合系数进行逆变换得到融合图像。变换域方法被广泛应用,其优点在于能够较好地获取图像中不同尺度的细节,然而这类方法的普遍问题是融合图像的对比度和灰度信息会发生偏差,甚至影响融合结果对源图像有效信息的保留。相比之下,空间域方法能够直接处理像素信息,从而保留源图像各个尺度的细节而不必受限于多尺度分解的有限尺度,同时避免了多尺度变换较大的计算负担。融合的目标不是对源图像中的互补信息进行简单的综合,而是通过一定的融合规则对源图像的互补特征加以精细的整合。许多图像融合算法虽然都能够在客观评价指标方面有很好的表现,然而由于不同特征间的边缘衔接处理不好造成像素灰度值突变,融合图像中目标边界看起来常常会显得不够自然,严重的甚至会出现“块效应”。针对上述问题,本文基于对空间域图像融合技术的研究,提出了一种空间域的结构感知图像...
【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校
【文章页数】：112 页
【学位级别】：博士
【部分图文】：
图2-1双边滤波的原理示意图
兰州大学博士学位论文结构感知图像融合框架24(a)引导图像(b)输入图像(c)输出图像图2-2引导滤波器示例2.1.3改进的维纳滤波维纳滤波理论(WienerFilter)是由美国数学家维纳在第二次世界大战中，为解决火控制精确的跟踪问题，根据数理统计和线性理论提出的一种平稳随机过程的最优线性滤波理论。该滤波器的思路就是在图像和噪声都是随机变量的前提下，找到未污染图像的一个估计，使它们之间的均方误差最校我们的算法中将对局部自适应维纳滤波[110]引入正则化参数，对图像进行预处理。假设输入图像和噪声不相关，则维纳滤波器输入图像()可表示为：()=()+()(2.27)其中，()表示图像，()为噪声。维纳滤波器输出图像为：()=()=()()(2.28)为了让滤波器输出图像()=()无限逼近源图像()，就要让其均方差(meansquareerror，MSE)最小：(())=[()2]=[|()()|2](2.29)理想情况就是(())=0，也就是经过维纳滤波器后，输出图像就是我们需要的原始图像，但实际情况只能让(())尽可能最小，因此令(())关于()得偏导数为0，这是极值的条件：(())()=0(2.30)由此得到正交方程：[()()]=0,(2.31)
兰州大学博士学位论文结构感知图像融合框架27图2-3迭代边缘恢复经过以上步骤处理后，不仅平滑了纹理和其他细节，而且最大程度地保留了大尺度结构的边缘。该方法在保持边缘形状不变，即局部结构保持不变的情况下，经过高斯平滑处理后，仍能恢复出具有良好边缘保持特性的大尺度形状。一个边缘是否被保留与它的尺度大小无关，这标志着该方法与其他边缘保留滤波器的固有区别。RollingGuidanceFilter(RGF)的表达式可以写作：=JointBilateral(,1,,)(2.42)其中，为输入图像，1为引导图像，引导图像的初始值设置为一个常量，即0()=。RGF算法非常容易实现，效率高，而且计算成本低。在线处理甚至可以在单CPU核心上实现。它的主要技术贡献如下：1.在尺度空间理论的基础上引入尺度测度；2.这个定义带来了过滤过程中控制细节级别的突破；3.提出了一种新的迭代方法来自动细化可以保留的边缘，从而优化尺度结构的保留。该过滤框架是通用的，可以根据不同的特殊应用进行扩展或修改；4.该滤波框架的迭代更新能迅速收敛。2.2线性岭回归(RidgeRegression)模型线性回归模型就是通过若干个基本函数线性加权得到模型函数，每一个基本函数前面都由一个系数值调节该基本函数对于整个模型函数的权重，而非线性函数就是通过各个基本函数以非线性加权形式得到模型函数。目前较易实现、易于建模且应用广泛的就是线性回归模型，它建模快速简单，特别适用于要建模的关系不是非常复杂且数据量不
【参考文献】：
期刊论文
[1]基于多尺度导引滤波的图像融合方法[J]. 杨航,吴笑天,贺柏根,朱明. 光电子·激光. 2015(01)
[2]基于模糊算子的Tetrolet变换图像融合算法[J]. 沈瑜,伍忠东,王小鹏,董亚楠,江娜. 计算机科学与探索. 2015(09)
[3]基于压缩传感理论的多聚焦图像融合方法[J]. 孙季丰,洪博宇. 华南理工大学学报(自然科学版). 2012(08)
[4]基于压缩感知原理的图像融合新方法[J]. 李新,秦世引. 高技术通讯. 2012 (01)
[5]一种基于模糊集理论的图像融合方法[J]. 张震宇,陈鹰,邵永社. 遥感信息. 2008(04)
[6]CT和MRI图像融合三维重建颞下颌关节的研究[J]. 林有籁,刘月华,王冬梅,王成焘. 华西口腔医学杂志. 2008(02)
[7]基于Contourlet变换和IPCNN的融合算法及其在可见光与红外线图像融合中的应用[J]. 刘盛鹏,方勇. 红外与毫米波学报. 2007(03)
[8]一种新的图像融合及性能评价方法[J]. 闫莉萍,刘宝生,周东华. 系统工程与电子技术. 2007(04)
[9]基于SOFM神经网络的图像融合二值化方法[J]. 潘梅森,荣秋生. 光学精密工程. 2007(03)
[10]基于多特征模糊聚类的图像融合方法[J]. 苏冬雪,吴小俊. 计算机辅助设计与图形学学报. 2006(06)
博士论文
[1]像素级图像融合及其关键技术研究[D]. 楚恒.电子科技大学 2008
[2]多传感器图像融合方法研究[D]. 刘贵喜.西安电子科技大学 2001
本文编号：3215103
【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校
【文章页数】：112 页
【学位级别】：博士
【部分图文】：
图2-1双边滤波的原理示意图
兰州大学博士学位论文结构感知图像融合框架24(a)引导图像(b)输入图像(c)输出图像图2-2引导滤波器示例2.1.3改进的维纳滤波维纳滤波理论(WienerFilter)是由美国数学家维纳在第二次世界大战中，为解决火控制精确的跟踪问题，根据数理统计和线性理论提出的一种平稳随机过程的最优线性滤波理论。该滤波器的思路就是在图像和噪声都是随机变量的前提下，找到未污染图像的一个估计，使它们之间的均方误差最校我们的算法中将对局部自适应维纳滤波[110]引入正则化参数，对图像进行预处理。假设输入图像和噪声不相关，则维纳滤波器输入图像()可表示为：()=()+()(2.27)其中，()表示图像，()为噪声。维纳滤波器输出图像为：()=()=()()(2.28)为了让滤波器输出图像()=()无限逼近源图像()，就要让其均方差(meansquareerror，MSE)最小：(())=[()2]=[|()()|2](2.29)理想情况就是(())=0，也就是经过维纳滤波器后，输出图像就是我们需要的原始图像，但实际情况只能让(())尽可能最小，因此令(())关于()得偏导数为0，这是极值的条件：(())()=0(2.30)由此得到正交方程：[()()]=0,(2.31)
兰州大学博士学位论文结构感知图像融合框架27图2-3迭代边缘恢复经过以上步骤处理后，不仅平滑了纹理和其他细节，而且最大程度地保留了大尺度结构的边缘。该方法在保持边缘形状不变，即局部结构保持不变的情况下，经过高斯平滑处理后，仍能恢复出具有良好边缘保持特性的大尺度形状。一个边缘是否被保留与它的尺度大小无关，这标志着该方法与其他边缘保留滤波器的固有区别。RollingGuidanceFilter(RGF)的表达式可以写作：=JointBilateral(,1,,)(2.42)其中，为输入图像，1为引导图像，引导图像的初始值设置为一个常量，即0()=。RGF算法非常容易实现，效率高，而且计算成本低。在线处理甚至可以在单CPU核心上实现。它的主要技术贡献如下：1.在尺度空间理论的基础上引入尺度测度；2.这个定义带来了过滤过程中控制细节级别的突破；3.提出了一种新的迭代方法来自动细化可以保留的边缘，从而优化尺度结构的保留。该过滤框架是通用的，可以根据不同的特殊应用进行扩展或修改；4.该滤波框架的迭代更新能迅速收敛。2.2线性岭回归(RidgeRegression)模型线性回归模型就是通过若干个基本函数线性加权得到模型函数，每一个基本函数前面都由一个系数值调节该基本函数对于整个模型函数的权重，而非线性函数就是通过各个基本函数以非线性加权形式得到模型函数。目前较易实现、易于建模且应用广泛的就是线性回归模型，它建模快速简单，特别适用于要建模的关系不是非常复杂且数据量不
【参考文献】：
期刊论文
[1]基于多尺度导引滤波的图像融合方法[J]. 杨航,吴笑天,贺柏根,朱明. 光电子·激光. 2015(01)
[2]基于模糊算子的Tetrolet变换图像融合算法[J]. 沈瑜,伍忠东,王小鹏,董亚楠,江娜. 计算机科学与探索. 2015(09)
[3]基于压缩传感理论的多聚焦图像融合方法[J]. 孙季丰,洪博宇. 华南理工大学学报(自然科学版). 2012(08)
[4]基于压缩感知原理的图像融合新方法[J]. 李新,秦世引. 高技术通讯. 2012 (01)
[5]一种基于模糊集理论的图像融合方法[J]. 张震宇,陈鹰,邵永社. 遥感信息. 2008(04)
[6]CT和MRI图像融合三维重建颞下颌关节的研究[J]. 林有籁,刘月华,王冬梅,王成焘. 华西口腔医学杂志. 2008(02)
[7]基于Contourlet变换和IPCNN的融合算法及其在可见光与红外线图像融合中的应用[J]. 刘盛鹏,方勇. 红外与毫米波学报. 2007(03)
[8]一种新的图像融合及性能评价方法[J]. 闫莉萍,刘宝生,周东华. 系统工程与电子技术. 2007(04)
[9]基于SOFM神经网络的图像融合二值化方法[J]. 潘梅森,荣秋生. 光学精密工程. 2007(03)
[10]基于多特征模糊聚类的图像融合方法[J]. 苏冬雪,吴小俊. 计算机辅助设计与图形学学报. 2006(06)
博士论文
[1]像素级图像融合及其关键技术研究[D]. 楚恒.电子科技大学 2008
[2]多传感器图像融合方法研究[D]. 刘贵喜.西安电子科技大学 2001
本文编号：3215103
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3215103.html
