基于非下采样轮廓波变换和脉冲耦合神经网络的图像融合研究

发布时间：2024-01-23 20:05

　　近年来,图像融合在军事和民事等领域都有着广泛的应用。图像融合是研究如何对多幅源图像进行特征提取和信息综合,得到质量更好信息更为丰富的图像。基于变换域的像素级融合算法的融合效果较好,是目前研究的热点,多尺度分析工具的选择和融合规则的选取是其中的要素。非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)是多尺度变换的一种,它拥有丰富的方向性、各向异性以及平移不变性等的优点,在图像融合中更加适用。脉冲耦合神经网络(Pulse Coupled Neural Networks,PCNN)为一类反馈神经网络模型,具有全局耦合和脉冲同步等特征,作为融合规则与NSCT进行结合能够得到质量较高的融合图像。但是传统的PCNN应用于图像融合时,通常直接利用像素灰度值当作神经元的外部激励,不能很好地保留源图像的细节,易出现对比度降低和细节损失的现象。因此本文将NSCT与PCNN进行结合,提出了一种新的图像融合方法。对于NSCT分解的子带系数,利用简化的PCNN模型,采用改进的空间频率作为其外部激励,根据点火的时间映射选择系数实现融合。用多组不同类型的测试图像进行...

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
字符索引
第一章 绪论
    1.1 课题来源
    1.2 研究背景及意义
    1.3 国内外研究现状
    1.4 论文的主要内容与章节安排
第二章 NSCT和 PCNN基本理论
    2.1 小波变换
        2.1.1 连续和离散小波变换
        2.1.2 多分辨分析
        2.1.3 Mallat算法
        2.1.4 基于小波变换的图像融合
    2.2 轮廓波变换
        2.2.1 拉普拉斯金字塔
        2.2.2 方向滤波器组
        2.2.3 Contourlet变换存在的问题
    2.3 非下采样轮廓波变换
        2.3.1 非下采样拉普拉斯金字塔(NSP)变换
        2.3.2 非下采样方向滤波器组(NSDFB)
        2.3.3 基于NSCT的图像融合
    2.4 PCNN的基本理论
        2.4.1 PCNN基本模型
        2.4.2 PCNN简化模型
        2.4.3 PCNN神经元的运行方式
        2.4.4 PCNN特性
        2.4.5 PCNN在图像处理中的应用
    2.5 本章小结
第三章 NSCT与 PCNN相结合的图像融合研究与实验仿真
    3.1 基于NSCT-MSF-PCNN的融合算法
        3.1.1 改进的空间频率
        3.1.2 算法模型
        3.1.3 算法流程
    3.2 融合算法评价指标
        3.2.1 主观评价方法
        3.2.2 客观评价方法
    3.3 实验参数设置
        3.3.1 本文算法参数设置
        3.3.2 对照组参数设置
    3.4 实验与结果分析
        3.4.1 多聚焦融合
        3.4.2 红外与可见光融合
        3.4.3 综合分析
    3.5 本章小结
第四章 基于NSCT-PCNN的红外、可见光显微图像融合
    4.1 红外多聚焦图像融合
        4.1.1 红外显微多聚焦图像
        4.1.2 图像融合结果分析
    4.2 红外与可见光图像融合
        4.2.1 图像采集
        4.2.2 图像配准与预处理
        4.2.3 融合结果分析
        4.2.4 彩色融合探究
    4.3 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 研究展望
参考文献
致谢
攻读硕士学位期间已发表或录用的论文



本文编号：3883285