基于多尺度多方向变换域统计建模的图像融合方法研究

发布时间：2017-04-13 10:37

  本文关键词：基于多尺度多方向变换域统计建模的图像融合方法研究，由笔耕文化传播整理发布。

【摘要】：图像融合是通过一定的算法将两幅或多幅源图像融合成一幅新图像的过程。得到的融合图像能够保留源图像的有用信息,去除冗余信息。由于融合后图像观测的准确性和鲁棒性更高,可信度和可理解性更好,这就更有利于人和计算机有效、可靠和全面地对图像信息进行后续处理。作为信息融合的一个重要分支,图像融合技术在计算机视觉、人工智能和图像理解等领域得到了广泛的应用和研究。图像融合方法通常包括空域和变换域方法。而基于多尺度多方向变换域的图像融合方法,能够从低频到高频多层次地处理图像信息,从而得到了良好的融合效果和性能指标。目前,该研究课题是图像融合研究领域的热点。基于多尺度多方向变换域的图像融合方法在图像融合领域中的应用相当广泛。它包括基于金字塔变换、小波变换和Contourlet变换等的图像融合方法。多尺度多方向分析在捕捉图像的边缘、轮廓等重要方向结构信息方面具有显著的优势。通过在此变换域建立合理的统计模型,并结合精确估计的模型参数来设置融合规则,可以使图像融合的效果更佳。因此,研究基于多尺度多方向变换域统计建模的图像融合方法具有重要的理论和应用意义。本文首先详细地介绍了图像融合的国内外研究现状和发展动态,综述了一些经典的基于空间域和变换域的图像融合方法,分析了基于多尺度多方向变换域图像融合的基本原理和融合框架,归纳总结了图像质量的评价标准和分类。然后,介绍了基于小波域统计建模的多聚焦图像融合方法。在Burt融合规则的基础上,采用小波变换,结合主成分分析(PCA)和广义高斯分布(GGD)建模,实现图像融合。采用主观评价和客观评价的方法,将实验结果与加权平均法、基于PCA方法、区域能量法等现有的典型融合算法进行了对比和分析。实验结果表明,由本文提出的融合算法所得到的融合图像的信息量更丰富、保真度更高。其次,分析了基于Contourlet变换域统计建模的图像融合方法。本文在Contourlet变换基础上,提出将混合高斯模型(GMM)与广义高斯模型联合建模的融合方法。该方法将Contourlet变换域的高频子带和低频子带分别采用广义高斯和混合高斯建模,通过利用估计得到的分布参数,分别在改进的Burt融合规则和后验概率加权平均下实现图像融合。分别对多聚焦图像、遥感图像和医学图像进行了融合实验,并将本文实验结果与在同等实验条件下基于小波变换的方法进行了对比和分析。实验结果表明,本文算法不仅能够增强融合图像的空间细节信息,使信息量更丰富,视觉效果和性能更好,而且验证了该融合算法适合于较为广泛类型图像的融合。最后,介绍了基于金字塔双树方向滤波器组(PDTDFB)变换域统计建模的图像融合方法。PDTDFB变换具有更好的多尺度多方向分析能力,其方向选择更加丰富,平移不变性更强。基于此变换,采用混合拉普拉斯模型(LMM)对各子带建模,确定融合参数,得到融合图像。分别对多聚焦图像、遥感图像和医学图像进行了图像融合实验,并与小波变换域在同等实验条件下的实验结果进行对比。实验结果表明,该方法能有效地融合多种类型的源图像,尤其在细节信息的保持方面效果更为突出。
【关键词】：图像融合 多尺度多方向变换 统计建模 融合规则 质量评价标准
【学位授予单位】：山东建筑大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 绪论12-22
• 1.1 研究的背景及意义12-13
• 1.2 图像融合技术概述13-17
• 1.2.1 图像融合的层次划分13-14
• 1.2.2 常见的图像融合方法14-17
• 1.3 国内外研究现状及发展动态17-19
• 1.4 主要研究内容及论文结构安排19-22
• 1.4.1 论文主要研究内容19-20
• 1.4.2 论文结构安排20-22
• 第二章 基于多尺度多方向变换域统计建模的图像融合体系概述22-29
• 2.1 引言22
• 2.2 基于多尺度多方向图像融合算法的基本框架22-23
• 2.3 多尺度多方向图像分析技术23-24
• 2.4 基于Burt思想的融合规则24-25
• 2.5 图像融合的质量评价标准指标25-27
• 2.5.1 主观评价法25-26
• 2.5.2 客观评价法26-27
• 2.6 本章小结27-29
• 第三章 基于小波变换域统计建模的多聚焦图像融合方法29-40
• 3.1 引言29-30
• 3.2 小波变换及其图像融合框架30
• 3.3 主成分分析法(PCA)30-31
• 3.4 高频子带系数的广义高斯分布(GGD)建模31-32
• 3.5 区域能量融合32
• 3.6 基于PCA和GGD建模的图像融合方法32-34
• 3.7 实验结果与讨论34-39
• 3.7.1 高频子带图像的GGD建模34-35
• 3.7.2 小波分解层数的选取35-36
• 3.7.3 小波滤波器的选取36
• 3.7.4 匹配测度阈值的选取36-37
• 3.7.5 与目前的图像融合方法比较37-39
• 3.8 本章小结39-40
• 第四章 基于Contourlet变换域统计建模的图像融合方法40-54
• 4.1 引言40-41
• 4.2 轮廓波(Contourlet)变换41-42
• 4.3 高斯混合模型(GMM)42
• 4.4 高斯混合模型的EM算法42-43
• 4.5 Contourlet变换域联合统计建模的图像融合框架43-45
• 4.6 实验结果与讨论45-52
• 4.6.1 低频子带图像的GMM建模46
• 4.6.2 高频子带图像的GGD建模46-47
• 4.6.3 匹配测度阈值的选取47-48
• 4.6.4 与目前的图像融合方法比较48-52
• 4.7 本章小结52-54
• 第五章 基于金字塔双树方向滤波器组域统计建模的图像融合方法54-66
• 5.1 引言54
• 5.2 金字塔双树方向滤波器组(PDTDFB)变换54-57
• 5.3 混合拉普拉斯建模(LMM)57-59
• 5.4 基于PDTDFB变换的图像融合框架59-60
• 5.5 实验结果与讨论60-65
• 5.5.1 系数子带的混合拉普拉斯建模60-62
• 5.5.2 与目前的图像融合方法比较62-65
• 5.6 本章小结65-66
• 第六章 总结与展望66-69
• 6.1 本文主要研究工作内容66-67
• 6.2 研究展望67-69
• 参考文献69-75
• 致谢75-76
• 攻读硕士学位期间论文发表及科研情况76

【参考文献】

中国期刊全文数据库 前10条

1 李文静;温文鹏;王清和;;基于Contourlet变换的遥感图像融合方法研究[J];国土资源遥感;2015年02期

2 李白萍;孙启昌;张雪燕;;基于Contourlet变换的多聚焦图像融合算法研究[J];陕西理工学院学报(自然科学版);2014年04期

3 孟强强;杨桄;童涛;张俭峰;;基于小波变换的多聚焦图像融合算法[J];国土资源遥感;2014年02期

4 侯玉宝;王景芳;;拉普拉斯混合分布语音模型研究[J];计算机工程与应用;2014年18期

5 蔡志芳;孙巍;;基于Contourlet变换多聚焦图像融合方法[J];数据采集与处理;2013年06期

6 张华;黄辉;刘邦明;;结合Contourlet变换和区域特征的图像融合算法[J];计算机工程与应用;2013年22期

7 罗雷;王士同;;基于邻域场拉普拉斯混合模型图像分割的研究[J];计算机工程与应用;2013年13期

8 郭明;王书满;;基于区域和方向方差加权信息熵的图像融合[J];系统工程与电子技术;2013年04期

9 刘卫;殷明;栾静;郭宇;;基于平移不变剪切波变换域图像融合算法[J];光子学报;2013年04期

10 吴仰玉;纪峰;常霞;李翠;;图像融合研究新进展[J];科技创新导报;2013年01期

中国硕士学位论文全文数据库 前4条

1 孙红如;基于显著性检测的图像融合算法研究[D];西安电子科技大学;2014年

2 王芳;基于小波分析的图像融合算法研究[D];武汉科技大学;2011年

3 张峰;基于PDTDFB和HMM的图像去噪研究[D];重庆大学;2010年

4 赵敏志;基于非采样Contourlet变换的图像融合技术研究[D];合肥工业大学;2009年

  本文关键词：基于多尺度多方向变换域统计建模的图像融合方法研究，由笔耕文化传播整理发布。

，

本文编号：303388