基于非采樣contourlet變換圖像融合算法的研究

基于非采樣contourlet變換圖像融合算法的研究

ID:34607442

大?。?.34 MB

頁數(shù):58頁

時(shí)間:2019-03-08

基于非采樣contourlet變換圖像融合算法的研究_第1頁
基于非采樣contourlet變換圖像融合算法的研究_第2頁
基于非采樣contourlet變換圖像融合算法的研究_第3頁
基于非采樣contourlet變換圖像融合算法的研究_第4頁
基于非采樣contourlet變換圖像融合算法的研究_第5頁
資源描述:

《基于非采樣contourlet變換圖像融合算法的研究》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、ResearchonImageFusionBasedonNonsubsampledContourlettransformCandidateXiaJingSupervisorAsso.Prof.XiaoFenCollegeCollegeofInformationEngineeringProgramSignalandInformationProcessingSpecializationWaveletAnalysisandIntelligenceSignalProcessingDegreeTechnologyMasterUniversityXiangtanU

2、niversityDateMay,2012湘潭大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明:所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外,本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻(xiàn)的個(gè)人和集體,均已在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律后果由本人承擔(dān)。作者簽名:日期:年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定,同意學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版,允許論文被查閱和借閱。本人授權(quán)湘潭大學(xué)可以將本學(xué)位論文的全

3、部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索,可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。涉密論文按學(xué)校規(guī)定處理。作者簽名:日期:年月日導(dǎo)師簽名:日期:年月日摘要圖像融合是利用不同類型傳感器的不同成像原理,提供互補(bǔ)信息,豐富圖像的信息量,增強(qiáng)其對環(huán)境的適應(yīng)性,以獲取對同一目標(biāo)較為準(zhǔn)確、全面、可靠的信息描述。圖像融合技術(shù)克服了單一傳感器成像在幾何特征和光譜特性等方面存在的局限性,增強(qiáng)了圖像的可信度和可理解性,提高了目標(biāo)識別和數(shù)據(jù)分類能力,使融合圖像包含源圖像的重要細(xì)節(jié)信息,更適合于人眼視覺感知和計(jì)算機(jī)后續(xù)處理。因此,圖像融合已作為信息融合的一個(gè)重要分支

4、,成為目前熱門研究領(lǐng)域之一,在計(jì)算機(jī)視覺、醫(yī)學(xué)領(lǐng)域、遙感領(lǐng)域、軍事領(lǐng)域等都有著廣泛的應(yīng)用前景。經(jīng)過幾十年發(fā)展,圖像融合已有一定成果,目前它們大都集中在像素級圖像融合的研究。但是,圖像融合算法和融合圖像質(zhì)量評價(jià)仍是圖像融合領(lǐng)域所存在的兩大難題,是國內(nèi)外科研人員的重點(diǎn)研究對象。由于小波變換在時(shí)域和頻域同時(shí)具備良好的局部性及多分辨率性,使得在傳統(tǒng)圖像融合中小波成為了主流技術(shù)。近些年,針對小波變換缺乏方向性和各向異性等缺陷,非采樣Contourlet變換興起。本文主要研究基于非采樣Contourlet變換的圖像融合算法,其主要工作及創(chuàng)新之處如下:1.研究非采樣

5、Contourlet域下的圖像邊緣特征刻畫,我們提出一種新的邊緣特征提取方法。在此基礎(chǔ)上,我們提出基于邊緣特征的圖像融合方法。對不同融合算法進(jìn)行對比實(shí)驗(yàn)驗(yàn)證了該算法簡單可行,不僅提高了融合效果,而且降低了時(shí)間復(fù)雜度。2.結(jié)合圖像邊緣特征和脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN),我們提出了基于PCNN的圖像融合算法。該算法通過采用邊緣特征作為PCNN的輸入激勵(lì)神經(jīng)元點(diǎn)火,點(diǎn)火時(shí)間作為圖像清晰度的判斷依據(jù),從而選取融合系數(shù)。對不同融合算法進(jìn)行對比實(shí)驗(yàn),結(jié)果表明該算法克服了傳統(tǒng)PCNN算法用像素灰度值激勵(lì)神經(jīng)元的局限性,其融合效果有較大的改善。3.另一方面,我們研究了

6、融合圖像質(zhì)量評價(jià)方法,提出了基于圖像清晰度和結(jié)構(gòu)相似度的融合圖像質(zhì)量客觀評價(jià)方法。該方法充分考慮了圖像結(jié)構(gòu)信息和人眼視覺特性,通過清晰度加權(quán)方法對圖像中的顯著區(qū)域賦予不同權(quán)值,無需參考圖像,可以為不同的應(yīng)用場合選擇不同融合算法提供可靠的依據(jù)。對不同算法的融合圖像質(zhì)量進(jìn)行評價(jià),結(jié)果表明本文提出的方法與主觀評價(jià)具有高度的一致性,與此同時(shí),將本文提出的基于邊緣特征的融合方法與基于PCNN的融合方法的融合圖像進(jìn)行客觀評價(jià)進(jìn)一步驗(yàn)證了本文評價(jià)方法的正確性。關(guān)鍵詞:圖像融合;非采樣Contourlet變換;邊緣特征;脈沖耦合神經(jīng)網(wǎng)絡(luò);圖像融合質(zhì)量評價(jià)IAbstra

7、ctInordertoobtainmoreaccurate,completeandreliableinformationdescriptionaboutthesameobject,imagefusioncanprovidecomplementaryinformation,enrichtheamountofinformation,andimprovetheadaptabilityoftheenvironmentbyusingimagingsensorsofdifferentimagingmodalities.Imagefusiontechnologyca

8、novercomethelimitationsofsignalsensorimaginging

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時(shí)可能會顯示錯(cuò)亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時(shí)聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。