基于多尺度变换与神经网络模型的图像融合技术研究
发布时间：2022-07-16 15:48
得益于计算机视觉技术的飞速发展,图像融合技术作为其重要分支,在数字图像处理领域得到了来自世界各地的科研人员的重视。由于传统光学镜头景深有限,当同一场景中含有多个目标物体时,很难通过一次取景就得到一幅所有目标都清晰的图像。图像融合技术作为信息融合领域重要的图像处理方法,充分利用了多源图像信息互补的优势,以一种简单高效的方法克服了光学镜头的成像缺陷,将多幅图像融合为一张新的、包含所有有效信息的图像。随着图像融合技术的不断革新,通过图像融合技术输出的图像更利于人眼视觉系统对图像信息的理解,该技术已在军事、医学、遥感测绘、工业检测等领域得到应用,因此,针对图像融合技术展开研究对提升成像系统的性能具有重要意义。在当前主流的图像融合算法中,基于图像多尺度变换的算法毫无疑问是图像融合领域的研究热点。其中,非下采样轮廓波变换（Non-subsampled contourlet transform,NSCT）作为一种能有效表达图像稀疏特性的多尺度图像分解方法,它不仅继承了传统小波变换的时频特性,还实现了图像的多方向变换;同时,混合l0-l1图像分解模型作为一种新兴的图像分解算法,很好的克服NSCT变换忽...
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 选题背景及意义
1.2 国内外研究现状
1.3 本文主要研究内容
1.4 论文结构安排
第二章 基于图像多尺度变换的图像融合体系
2.1 引言
2.2 NSCT变换
2.3 混合l_0-l_1稀疏分解模型
2.4 图像融合质量评价
2.4.1 图像融合主观评价
2.4.2 图像融合质量客观评价方法
2.4.2.1 互信息(MutualInformation,MI)
2.4.2.2 信息熵(Entropy, EN)
2.4.2.3 结构相似度(Structural similarity,SSIM)
2.4.2.4 边缘信息关联度(Q~(AB/F))
2.4.2.5 标准偏差(Standard deviation,STD)
2.4.2.6 平均梯度(Average gradient,AG)
2.5 本章小结
第三章 NSCT域内结合SF与PC激励PCNN的多聚焦图像融合
3.1 引言
3.2 简化PCNN模型
3.3 融合规则的选择
3.3.1 高频系数融合规则
3.3.2 低频系数融合规则
3.4 本章算法框架
3.5 实验结果与分析
3.6 本章小结
第四章 NSCT域内结合交叉双边滤波器的多聚焦图像融合
4.1 引言
4.2 融合规则的选择
4.2.1 低频系数融合规则
4.2.2 高频系数融合规则
4.3 本章算法框架
4.4 本章实验结果与分析
4.5 本章小结
第五章 结合混合l_0-l_1稀疏分解与卷积神经网络的红外与可见光图像融合
5.1 引言
5.2 融合规则的选取
5.2.1 基础层分量融合规则
5.2.2 细节层分量融合规则
5.3 本章算法总体融合框架
5.4 实验结果与分析
5.5 本章小结
第六章 总结与展望
6.1 本文总结
6.2 展望
参考文献
攻读硕士学位期间完成的科研成果
致谢
【参考文献】：
期刊论文
[1]NSCT域内结合相位一致性激励PCNN的多聚焦图像融合[J]. 刘栋,周冬明,聂仁灿,侯瑞超. 计算机应用. 2018(10)
[2]结合NSST与GA参数优化PCNN图像融合[J]. 刘栋,聂仁灿,周冬明,侯瑞超,熊磊. 计算机工程与应用. 2018(19)
[3]交叉双边滤波和视觉权重信息的图像融合[J]. 刘峰,沈同圣,马新星. 仪器仪表学报. 2017(04)
[4]NSCT域内基于自适应PCNN的图像融合新方法[J]. 荣传振,贾永兴,杨宇,朱莹,王渊. 信号处理. 2017(03)
[5]基于视觉显著性和NSCT的红外与可见光图像融合[J]. 傅志中,王雪,李晓峰,徐进. 电子科技大学学报. 2017(02)
[6]多目标粒子群优化PCNN参数的图像融合算法[J]. 王佺,聂仁灿,周冬明,金鑫,贺康建,余介夫. 中国图象图形学报. 2016(10)
[7]恶劣天气下可见光和红外图像融合算法设计[J]. 张思睿,葛万成,汪亮友,林佳燕. 信息技术. 2016(06)
[8]基于拉普拉斯金字塔与PCNN-SML的图像融合算法[J]. 王佺,聂仁灿,金鑫,周冬明,贺康建,余介夫. 计算机科学. 2016(S1)
[9]Contourlet域的多极化SAR图像自适应融合方法[J]. 孟庆文,周焰,徐颖. 空军预警学院学报. 2014(04)
[10]红外成像系统及其应用[J]. 李相迪,黄英,张培晴,宋宝安,戴世勋,徐铁峰,聂秋华. 激光与红外. 2014(03)
博士论文
[1]红外与红外偏振/可见光图像融合算法研究[D]. 朱攀.天津大学 2017
[2]基于多尺度变换和稀疏表示的多源图像融合算法研究[D]. 张宝华.上海大学 2016
硕士论文
[1]红外图像和可见光图像融合方法及其在电力设备监测中的应用[D]. 师颖.西安理工大学 2018
[2]红外与可见光图像的融合方法研究[D]. 吴辉.桂林电子科技大学 2018
[3]基于NSCT的图像融合方法研究[D]. 魏笑笑.河南科技大学 2018
[4]多源图像的融合方法研究[D]. 余大彦.电子科技大学 2018
[5]基于显著性区域的多聚焦图像融合算法[D]. 张贺峰.吉林大学 2018
[6]基于联合双边滤波的图像去噪与融合方法研究[D]. 任芬.西安电子科技大学 2017
[7]多尺度下脉冲耦合神经网络的图像融合[D]. 王海旭.电子科技大学 2011
[8]基于小波变换的多聚焦图像融合技术研究[D]. 代晓燕.青岛大学 2008
本文编号：3662797
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 选题背景及意义
1.2 国内外研究现状
1.3 本文主要研究内容
1.4 论文结构安排
第二章 基于图像多尺度变换的图像融合体系
2.1 引言
2.2 NSCT变换
2.3 混合l_0-l_1稀疏分解模型
2.4 图像融合质量评价
2.4.1 图像融合主观评价
2.4.2 图像融合质量客观评价方法
2.4.2.1 互信息(MutualInformation,MI)
2.4.2.2 信息熵(Entropy, EN)
2.4.2.3 结构相似度(Structural similarity,SSIM)
2.4.2.4 边缘信息关联度(Q~(AB/F))
2.4.2.5 标准偏差(Standard deviation,STD)
2.4.2.6 平均梯度(Average gradient,AG)
2.5 本章小结
第三章 NSCT域内结合SF与PC激励PCNN的多聚焦图像融合
3.1 引言
3.2 简化PCNN模型
3.3 融合规则的选择
3.3.1 高频系数融合规则
3.3.2 低频系数融合规则
3.4 本章算法框架
3.5 实验结果与分析
3.6 本章小结
第四章 NSCT域内结合交叉双边滤波器的多聚焦图像融合
4.1 引言
4.2 融合规则的选择
4.2.1 低频系数融合规则
4.2.2 高频系数融合规则
4.3 本章算法框架
4.4 本章实验结果与分析
4.5 本章小结
第五章 结合混合l_0-l_1稀疏分解与卷积神经网络的红外与可见光图像融合
5.1 引言
5.2 融合规则的选取
5.2.1 基础层分量融合规则
5.2.2 细节层分量融合规则
5.3 本章算法总体融合框架
5.4 实验结果与分析
5.5 本章小结
第六章 总结与展望
6.1 本文总结
6.2 展望
参考文献
攻读硕士学位期间完成的科研成果
致谢
【参考文献】：
期刊论文
[1]NSCT域内结合相位一致性激励PCNN的多聚焦图像融合[J]. 刘栋,周冬明,聂仁灿,侯瑞超. 计算机应用. 2018(10)
[2]结合NSST与GA参数优化PCNN图像融合[J]. 刘栋,聂仁灿,周冬明,侯瑞超,熊磊. 计算机工程与应用. 2018(19)
[3]交叉双边滤波和视觉权重信息的图像融合[J]. 刘峰,沈同圣,马新星. 仪器仪表学报. 2017(04)
[4]NSCT域内基于自适应PCNN的图像融合新方法[J]. 荣传振,贾永兴,杨宇,朱莹,王渊. 信号处理. 2017(03)
[5]基于视觉显著性和NSCT的红外与可见光图像融合[J]. 傅志中,王雪,李晓峰,徐进. 电子科技大学学报. 2017(02)
[6]多目标粒子群优化PCNN参数的图像融合算法[J]. 王佺,聂仁灿,周冬明,金鑫,贺康建,余介夫. 中国图象图形学报. 2016(10)
[7]恶劣天气下可见光和红外图像融合算法设计[J]. 张思睿,葛万成,汪亮友,林佳燕. 信息技术. 2016(06)
[8]基于拉普拉斯金字塔与PCNN-SML的图像融合算法[J]. 王佺,聂仁灿,金鑫,周冬明,贺康建,余介夫. 计算机科学. 2016(S1)
[9]Contourlet域的多极化SAR图像自适应融合方法[J]. 孟庆文,周焰,徐颖. 空军预警学院学报. 2014(04)
[10]红外成像系统及其应用[J]. 李相迪,黄英,张培晴,宋宝安,戴世勋,徐铁峰,聂秋华. 激光与红外. 2014(03)
博士论文
[1]红外与红外偏振/可见光图像融合算法研究[D]. 朱攀.天津大学 2017
[2]基于多尺度变换和稀疏表示的多源图像融合算法研究[D]. 张宝华.上海大学 2016
硕士论文
[1]红外图像和可见光图像融合方法及其在电力设备监测中的应用[D]. 师颖.西安理工大学 2018
[2]红外与可见光图像的融合方法研究[D]. 吴辉.桂林电子科技大学 2018
[3]基于NSCT的图像融合方法研究[D]. 魏笑笑.河南科技大学 2018
[4]多源图像的融合方法研究[D]. 余大彦.电子科技大学 2018
[5]基于显著性区域的多聚焦图像融合算法[D]. 张贺峰.吉林大学 2018
[6]基于联合双边滤波的图像去噪与融合方法研究[D]. 任芬.西安电子科技大学 2017
[7]多尺度下脉冲耦合神经网络的图像融合[D]. 王海旭.电子科技大学 2011
[8]基于小波变换的多聚焦图像融合技术研究[D]. 代晓燕.青岛大学 2008
本文编号：3662797
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3662797.html
