论文部分内容阅读
图像是人类感知的重要信息源。随着图像采集方式的增加,现代图像处理系统对图像融合的要求也在不断提高。不同图像源的融合要求和融合目的并不完全一致,融合算法也不尽相同。红外光与可见光图像融合技术能够提取不同波段图像的特征,使融合后的图像可获得更好的目标特性和清晰的场景信息。本论文主要研究了基于超小波域的红外光与可见光图像融合算法。重点探讨了两种超小波变换的主要思想及实现过程,一种是较新颖的Tetrolet变换,另一种为较为完善的NSCT。提出两种改进的融合算法:基于PCNN及区域能量的Tetrolet域融合算法和基于区域能量及图像自相似的NSCT域融合算法,以进一步提高算法的实用性能。本论文的主要研究工作包括:1.为了克服Tetrolet变换在图像融合时易出现方块效应的问题,提出了一种基于改进的Tetrolet变换的红外光与可见光图像融合算法。首先对Tetrolet变换的模板选择进行改进,尽可能地减少图像高频信息的丢失,并利用改进后的Tetrolet变换对源图像分解;对区域能量进行加权,应用到图像低频系数的融合中,使图像目标更加突出,并能保留更多的图像背景信息;对脉冲耦合神经网络进行优化,并选其作为图像高频系数的融合规则,使融合后的高频系数可以保留更多的图像细节信息。实验结果表明,对Tetrolet变换的改进更有利于保存源图像的高频信息,该融合算法不仅增强了图像对比度,改善了主观视觉效果,也提高了融合图像的客观评价指标。且该算法不仅适用于红外光与可见光图像融合,在其他多传感器图像融合领域也有良好效果。2.NSCT是一种改进的Contourlet变换,不仅具有平移不变性还拥有足够的冗余信息,这可以更有效地提取源图像中的方向信息,使得融合后的图像更符合人眼的视觉特性。利用上述NSCT在图像处理中的优势,提出了一种新的NSCT域红外光与可见光图像融合算法。首先利用NSCT将图像分解为一个低频子带和多个不同方向的带通子带;对低频子带采用区域能量自适应加权融合规则,带通方向子带则利用图像自相似进行系数的融合;最后对融合系数进行NSCT逆变换,以重构生成融合图像。实验结果表明,与一些现有算法相比,该算法的红外光与可见光图像融合结果在人眼主观视觉标准和客观评价标准上都具有明显优势,且在其他多传感器图像融合领域也呈现出优异的性能。