显著性检测与结构相似相结合的图像融合算法

发布时间：2020-09-10 20:10

　　随着成像技术的不断发展,任何单传感器所获得的图像都不能提供目标场景的完整信息,在某些场景下可能会受到一些限制,比如红外和可见光图像。为了更好的了解目标场景情况,必须将这些图像的互补信息集中到单个图像中。图像融合技术是一种将同一场景的多个图像中的有用信息合并到一张图像的技术,使得融合图像能发挥各自的优势,相互补充,提供比单个传感器更多关于场景的信息,尽可能更完整的体现出目标场景的特性,图像融合充分利用了输入图像的相关信息来增强图像处理系统的效率并且降低系统的成本。基于图像结构相似的方法充分考虑了图像的结构信息和人类视觉系统的特性,获得了良好的视觉效果,但是对它的研究基本上都是用在图像质量的评价方法上,而且结构相似多用于处理图像的低频区域,提取场景中的结构信息。对于图像的高频区域,则没有很好的效果。基于显著性检测的图像融合算法能较好地提取场景中的边缘、轮廓等高频信息。本文在分析了两种算法各自优势的基础上,尝试将这两种融合方法的优点结合起来,提出了一种显著性检测和结构相似相结合的融合算法,图像融合实验结果表明该算法优于现有的同类算法。本文的主要工作内容和创新点总结如下:1、在像素级的图像融合中,大多数的图像融合都分为三步,首先把待融合图像分解为低频区和高频区,然后对不同的区域采用不同的融合规则进行图像融合,最后将低频区和高频区重建为最后的融合图像。但在进行图像分解时,分解级数的不同会导致不同的融合结果,大多数多尺度融合方法都需要分解两个尺度以上。这些方法计算比较复杂,所以他们需要更多的内存和计算时间。本文采用简单的双尺度图像分解,降低多尺度融合算法的复杂度,提高图像融合速度。2、分析了结构相似指标和显著性检测的优缺点,发现基于结构相似的图像融合方法可以很好的提取图像的结构信息,而显著性检测可以提取出符合人类视觉的信息,于是将显著性检测和结构相似结合起来,希望可以获得更好的融合图像。该方法首先是将图像进行二尺度图像分解,对分解后的高频区和低频区分别采用不用的融合规则,对低频区使用结构相似的图像融合,而对包含大量细节信息的高频区采用显著性检测融合算法。最后通过大量实验证实了该算法的可行性。
【学位单位】：陕西师范大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TP212
【部分图文】：

过程图,图像融合,过程

图像融合技术是通过对图像信息进行合理的分配，依据不同的准则，把多幅逡逑图像在空间或时间上的不同信息进行融合，获得对场景更全面的反映。图像融合逡逑按照融合的层次被分为像素级融合、特征级融合和决策级融合他们的处理方逡逑式是从低级到高级，处理的数据从从多到少，处理方法从简至繁。高层次处理的逡逑内容是以低层次的处理结果为基础，层层递进。逡逑像素级融合是最基本的融合方法，可以直接对待融合图像灰度进行融合。它逡逑可以获得另外两个层级不能提供的细微的待融合图像信息，使得融合后的图像具逡逑有更加丰富和全面的图像信息，有利于对图像做进一步的分析、处理和理解，这逡逑是像素级融合的优点。然而这一类图像融合方法也有很大的局限性，因为像素级逡逑精确到像素，因此需要在图像融合前进行预处理，例如图像的增强、校正、配准逡逑等。所以需要计算大量的图像数据，耗费时间长，难以做到实时处理；另外因为逡逑数据量比较大，就容易相互影响，抗干扰能力比较差；此外，待融合图像需要进逡逑行严格的图像配准，否则将会导致融合后的图像不清楚，可能会丢失图像的边缘逡逑和细节信息，融合效果差。像素级的图像融合过程如图２＿１。逡逑

过程图,图像融合,过程,决策级

Ｆｉｇｕｒｅ邋２－２邋Ｓｋｅｔｃｈ邋ｍａｐ邋ｏｆ邋ｆｅａｔｕｒｅ邋ｌｅｖｅｌ邋ｉｍａｇｅ邋ｆｕｓｉｏｎ逡逑决策级图像融合在三类融合方法中是属于最高层次的融合方法，具体融合过逡逑程如图２－３。在进行图像处理前，先要对待融合图像进行预处理、特征的提取和分逡逑类，得到初步的结论，然后将得到的各个分决策根据中心决策级融合获得最后的逡逑决策结论。从它的融合步骤中我们可以看出，它在进行融合处理前步骤多，比特逡逑征级融合的计算量还要小，但是比较依赖上一层的处理结果。它的优点是：在进逡逑行融合前不需要做图像配准，减少了不必要的处理，提高了融合的效率。决策级逡逑图像融合根据具体的要求直接对特征信息做出最好的判断，处理信息少，并且有逡逑较强的抗干扰能力。逦逦邋逦邋逦逡逑图像Ａ逦逦？决逡逑策逡逑预逦＾逦决逦级逡逑＾邋逦？征逦？策逦？的逡逑＾邋分逦判逦＾邋图逡逑，逦１逦＃逦类断像逡逑融逡逑图像Ｂ逦逦？合逡逑图２－３决策级图像融合过程逡逑Ｆｉｇｕｒｅ邋２－３邋Ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ邋ｏｆ邋ｄｅｃｉｓｉｏｎ邋ｌｅｖｅｌ邋ｉｍａｇｅ邋ｆｕｓｉｏｎ逡逑８逡逑

过程图,决策级,图像融合,过程

图像Ａ逦逦？特逡逑征逡逑ｍ逦＃逦？逡逑ｉ邋逦？征逦？的逡逑５逦提逦图逡逑逦Ｉ逦取逦像逡逑图像Ｂ逦逦？逦５逡逑图２－２特征级图像融合过程逡逑Ｆｉｇｕｒｅ邋２－２邋Ｓｋｅｔｃｈ邋ｍａｐ邋ｏｆ邋ｆｅａｔｕｒｅ邋ｌｅｖｅｌ邋ｉｍａｇｅ邋ｆｕｓｉｏｎ逡逑决策级图像融合在三类融合方法中是属于最高层次的融合方法，具体融合过逡逑程如图２－３。在进行图像处理前，先要对待融合图像进行预处理、特征的提取和分逡逑类，得到初步的结论，然后将得到的各个分决策根据中心决策级融合获得最后的逡逑决策结论。从它的融合步骤中我们可以看出，它在进行融合处理前步骤多，比特逡逑征级融合的计算量还要小，但是比较依赖上一层的处理结果。它的优点是：在进逡逑行融合前不需要做图像配准，减少了不必要的处理，提高了融合的效率。决策级逡逑图像融合根据具体的要求直接对特征信息做出最好的判断，处理信息少，并且有逡逑较强的抗干扰能力。

【参考文献】