基于视觉显著性算法的图像融合研究

发布时间：2017-10-01 10:21

  本文关键词：基于视觉显著性算法的图像融合研究

  更多相关文章： 图像融合 视觉显著性 整数小波变换

【摘要】：图像融合技术的发展起源于军事领域,后通过不断地发展,除了在军事领域,如侦察等方面发挥重要的作用外,也开始在医学领域被广泛应用于病理研究,农业中的病虫害防治和机器人作业以及地质资源(如石油)勘探和海洋资源管理。越来越广泛的应用需求为图像融合技术的研究及图像处理提供了更加雄厚的资金支持,也促进了其更快速的发展。本文研究了基于视觉显著性和整数小波变换的图像融合方法。在现有的图像融合技术中,特别是在多聚焦图像融合技术中,多尺度变换是应用最为广泛的像素级的图像融合技术,通过多尺度变换将源图像分解成高频部分和低频部分,在通过选用适当的融合规则,得到对应的高频和低频系数,最后通过多尺度反变换重构,得到最终的融合图像。在这个过程中,尺度变换选用不同的变换方式或是在不同的频段选取不同融合规则,都会对融合结果产生不同程度的影响,其效果也各有其优劣。常用的尺度变换有金字塔变换和小波变换,本文中我们使用整数小波变换进行多尺度分解。在经过尺度变换后,需要选取高频部分和低频部分的融合规则,以往对于融合规则的研究往往集中在高频部分融合规则的选择上,本文选用系数绝对值较大法;而在低频部分,往往采用领域最大法或是加权平均法,在本文中,通过使用视觉显著性算法来获取低频融合系数,通过分别获取两源图像的低频部分图像的显著图,对于每一个像素点,选取两个源图像对应的显著图中更显著的点对应的低频部分图像的系数作为融合图像的低频系数,对于显著度相同的点以及均不显著的点,取两者的平均值作为该点的低频系数,这样利用视觉显著性来弥补以往方法可能丢失掉的信息,最大限度地保留图像的有用信息。获取视觉显著图的过程中,分别选取Itti视觉显著性算法、SR视觉显著性算法和GBVS视觉显著性算法来获取视觉显著图,对比其融合结果的各项客观指标,并在此基础上提出了一种结合SR和GBVS的视觉显著性算法。最后,通过实验结果与以往的融合方法的融合结果的参数对比,可以发现,使用本文提出的结合SR和GBVS的视觉显著性算法,与基于Itti视觉显著性算法、SR视觉显著性算法和GBVS视觉显著性算法的图像融合相比,在部分客观参数指标上有所提升。从融合结果图像与源图像之间的参数信息,可以发现,使用本文提出的结合SR和GBVS的视觉显著性算法进行图像融合能够从两源图像中获取到更多的信息,从融合结果图像与标准参考图像与之间的参数信息,可以发现,使用本文提出的结合SR和GBVS的视觉显著性算法进行图像融合,与标准参考图之间的差距更小,相似度更高。
【关键词】：图像融合 视觉显著性 整数小波变换
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-6
• Abstract6-10
• 第1章 绪论10-15
• 1.1 课题背景及研究意义10-11
• 1.2 研究背景及国内外现状11-13
• 1.2.1 图像融合技术的发展11-12
• 1.2.2 图像融合处理分类12-13
• 1.3 本文主要工作13
• 1.4 本文的结构安排13-15
• 第2章 图像融合理论15-26
• 2.1 图像融合的概念15
• 2.2 图像融合分类15-20
• 2.2.1 像素级图像融合15-18
• 2.2.2 特征级图像融合18-19
• 2.2.3 决策级融合19-20
• 2.3 图像融合系统框架20
• 2.4 图像融合质量评价标准20-24
• 2.4.1 主观评价标准21
• 2.4.2 客观评价标准21-24
• 2.4.3 评价指标的选取24
• 2.5 图像融合的应用领域24-26
• 第3章 视觉显著性算法26-35
• 3.1 视觉显著性理论26-28
• 3.1.1 视觉显著性概念26
• 3.1.2 视觉显著性理论的发展过程26-28
• 3.1.3 视觉显著性算法的应用28
• 3.2 现有的几种显著性模型28-35
• 3.2.1 Itti模型28-30
• 3.2.2 频率谱残差法30-32
• 3.2.3 GBVS基于图形的显著性32-35
• 第4章 基于视觉显著性和整数小波变换的图像融合35-45
• 4.1 小波变换的概念35-38
• 4.1.1 小波变换的由来35
• 4.1.2 小波变换的数学表达35-37
• 4.1.3 视觉显著性检测与小波变换相结合的图像融合37-38
• 4.2 整数小波变换38-39
• 4.3 基于视觉显著性算法的图像融合的过程39
• 4.4 基于视觉显著性和整数小波变换的图像融合实验39-45
• 4.4.1 实验一39-42
• 4.4.2 实验二42-44
• 4.4.3 小结44-45
• 第5章 总结与展望45-47
• 5.1 本文工作总结45
• 5.2 工作展望45-47
• 参考文献47-51
• 作者简介及科研成果51-52
• 致谢52

【参考文献】

中国期刊全文数据库 前10条

1 高浩然;潘晨;;视觉显著性检测与金字塔变换相结合的图像融合[J];计算机科学与探索;2015年04期

2 胡甚;张基宏;柳伟;张正瑞;;一种基于视觉显著性的图像融合算法[J];电视技术;2015年05期

3 张小利;李雄飞;李军;;融合图像质量评价指标的相关性分析及性能评估[J];自动化学报;2014年02期

4 李蕴奇;;一种基于显著性的多尺度图像融合模型[J];吉林大学学报(理学版);2013年02期

5 叶闯;沈益青;李豪;曹思汗;王柏祥;;基于人类视觉特性(HVS)的离散小波变换(DWT)数字水印算法[J];浙江大学学报(理学版);2013年02期

6 张伟;曾凡仔;曾庆光;;基于压缩感知理论的图像融合方法[J];计算机工程与应用;2012年12期

7 刘秀坚;任仙怡;郑义军;胡涛;;图像融合质量主客观评价相关性分析[J];深圳信息职业技术学院学报;2011年01期

8 袁华;章皖秋;;基于小波变换遥感图像融合技术研究[J];电脑知识与技术;2011年02期

9 饶泓;扶名福;谢明祥;杨国泰;;基于决策级信息融合的设备故障诊断方法研究[J];中国机械工程;2009年04期

10 薛坚;于盛林;王红萍;;一种基于提升小波变换和IHS变换的图像融合方法[J];中国图象图形学报;2009年02期

中国博士学位论文全文数据库 前8条

1 卢彦飞;基于局部视觉特征的图像质量客观评价方法研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2015年

2 费春;基于智能优化和视觉显著性的图像融合研究[D];电子科技大学;2015年

3 孙岩;基于多分辨率分析的多传感器图像融合算法研究[D];哈尔滨工程大学;2012年

4 王金玲;基于多分辨率分析的遥感图像融合算法研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2011年

5 王保云;图像质量客观评价技术研究[D];中国科学技术大学;2010年

6 杨翠;图像融合与配准方法研究[D];西安电子科技大学;2008年

7 黄世亮;磁共振图像处理中若干问题的研究[D];中国科学院研究生院（武汉物理与数学研究所）;2006年

8 任获荣;数学形态学及其应用[D];西安电子科技大学;2004年

中国硕士学位论文全文数据库 前10条

1 范艳玲;基于多分辨率分析的多聚焦图像融合算法的研究与应用[D];中北大学;2014年

2 徐萌萌;基于小波变换的图像融合算法研究[D];哈尔滨理工大学;2014年

3 安文六;基于小波变换的多聚焦图像融合算法的创新研究[D];浙江工商大学;2014年

4 程俊兵;基于NSCT与区域特性的图像融合算法研究[D];太原理工大学;2013年

5 赵轶昌;基于SIFT和小波多尺度分析的多聚焦图像融合方法研究[D];武汉理工大学;2013年

6 王一丁;基于Shearlet和智能优化算法的图像融合方法研究[D];西安电子科技大学;2013年

7 刘凤陵;基于提升小波的地震勘探数据压缩研究[D];青岛大学;2012年

8 王凯;基于边缘显著度的小波图像融合方法研究[D];华中科技大学;2011年

9 范文涛;基于小波变换的图像融合技术研究[D];河南大学;2010年

10 王玉山;基于神经网络的病理图像融合识别研究与实现[D];武汉理工大学;2010年

，

本文编号：952922