刘兆栋[1]2016年在《基于稀疏表示理论的图像去噪与融合算法研究》文中进行了进一步梳理在视觉信息感知过程中,数据获取、压缩、传输与存储过程中各种干扰影响,以及拍摄设备自身局限与人为操作不当等诸多因素,造成的数据丢失、噪声引入、有限聚焦等图像质量问题,给人们对目标或场景的感知与理解带来了巨大的挑战。因此,利用信号处理、计算机视觉以及机器学习等相关理论技术,研究图像去噪与融合技术,对多模态或噪声图像进行分析与处理,进而更好地理解与感知目标对象,具有十分重要的理论和现实意义。从图像融合与去噪的难点问题出发,以稀疏表示理论为核心,充分利用自然图像内在结构相似性与变换基函数下的稀疏性,对图像去噪与融合方法存在的计算复杂度高,以及“伪影”、“阶梯”效应、失真与信息丢失等问题,展开稀疏表示框架下的去噪与融合算法的研究。论文的创新性研究工作主要有:(1)针对稀疏聚类图像去噪的参数非自适应性,以及去噪图像存在人为干扰现象等问题,提出一种基于结构聚类与稀疏表示的图像去噪模型。在稀疏聚类去噪模型的基础上,引入图像多形态成分分析,提出一种新的稀疏聚类去噪模型,从而更好地抑制噪声信息;通过欧式距离刻画相似块组,采用混合高斯模型学习与判别图像块组,形成更紧致的KSVD训练字典,进而更有效、完整地表征图像几何结构与细节信息;将图像结构与内容先验信息引入正则参数的构建,分析与挖掘变换系数分布特性,优化并确定去噪逼近模型,解决参数与模型的非自适应问题;通过对去噪模型的迭代数学求解,重建去噪后图像,提升图像的质量。(2)针对传统图像融合中边缘振荡、块效应、失真等问题,以及压缩感知框架下感知测量的不确定性与融合策略等问题,提出了一种基于压缩感知理论的多源图像融合的新思路。通过分析不同尺度下图像重建的精度,选择合适的分解尺度;根据多尺度分解系数自身的特性,引入改进的自适应脉冲耦合神经网络与图像质量评价因子,构建多融合策略,从而有效地提取源图像的结构与细节信息;通过改进的梯度下降算法优化确定性Toeplitz测量矩阵,解决测量矩阵高计算复杂度与低重建精度的问题,进而通过改进的压缩采样匹配追踪算法精确重建融合图像。(3)针对传统图像融合中块效应、失真等问题,以及图像分解框架下图像的完整、有效的描述与计算复杂度高等问题,提出了一种新颖的基于卡通-纹理稀疏分解的多聚焦图像融合算法。受启发于迭代重加权最小二乘法的求解思路,提出一种基于迭代重加权的卡通-纹理稀疏分解模型,解决图像卡通-纹理分解有效表征与高计算复杂度问题,从而更有效、完整地表示图像卡通分量与纹理分量;针对提出的分解模型,通过详细地理论证明与分析,从数学原理上推导稀疏解的收敛性与可行性;根据图像卡通-纹理成分特性,引入图像质量评价因子来构建多融合策略,有效提取源图像中显着有用信息,从而进一步提升融合图像质量。实验结果表明,本文提出的去噪与融合算法取得了较优异的效果。最后,在理论分析与实验验证的基础上,对论文的主要研究工作与取得成果做了总结与分析,并展望下一步的主要研究工作。
刘莉[2]2007年在《基于EMD和小波的脑部CT图像去噪及边缘检测方法研究》文中研究指明近20多年来，医学影像已成为医学中发展最快的领域之一，被广泛应用于诊断和治疗，使临床医生对人体内部病变部位的观察更直接、更清晰，确诊率更高，也成为了必不可少的手段和工具。而医学图像的分析和处理是医学影像技术极为重要的一个环节，特别是图像处理技术中所涉及的图像去噪和图像边缘检测技术已成为当前研究的热点。但由于当前医学图像的处理层次较浅，对信号的利用率还不够充分，有关疾病的诊断主要还是靠临床经验丰富的医生用肉眼观察医学图像，并经活检确诊。运用一些图像处理技术能有效地对现有医学图像进行深层次处理，如去噪、增强、融合以及边缘提取等，从而提高对医学图像信息的利用率，有助于实现对病变特征信息的提取，并提高诊断准确率。本文首先介绍了医学图像处理技术的发展现状、研究范围和方法，然后针对医学图像中CT图像的特点及CT图像的成像基本原理，对脑部CT图像进行了去噪处理和边缘检测。在对脑部CT图像的去噪处理过程中，本文针对生物医学信号是典型的非平稳信号，具有很强的背景噪声，处理起来较困难的特点，引入了一种基于EMD方法的脑部CT图像去噪方法，它可以有效地去除噪声的干扰，充分保留信号的局部特征。在对脑部CT图像进行边缘检测过程中针对脑部CT图像中的病灶大多是模糊的图像信息，呈现弱边缘特性的特点，结合小波和快速模糊算法的优点进行了边缘检测。因为基于小波和快速模糊边缘检测算法不仅利用了小波分析的多分辨特性，在高频与低频上分别提取了图像边缘，而且快速模糊边缘检测算法改进了经典的Pal和King的模糊边缘检测算法，采用简单的隶属度函数，快速完成了图像到隶属度矩阵的转换和隶属度矩阵到图像的逆转换，所以小波分解后的低频信号中所包含的有用信息得到利用，简化了算法并提高了算法的效率，增强了算法的适应性。最后通过实验结果表明本文提出的算法与其他方法比，去噪效果较明显，可检测出的较为准确和清晰的边缘图像。
杨镠[3]2009年在《基于Contourlet变换的图像处理关键技术研究》文中提出多尺度几何分析理论(Multiscale Geometric Analysis, MGA)是近年来在计算理论与调和分析的基础上所发展起来的面向高维信号处理的重要理论,其主要分析工具包括Brushlet、Wedgelet、Beamlet、Ridgelet、Curvelet、Bandelet以及Contourlet和非下采样Contourlet (Nonsubsampled Contourlet Transform,NSCT)等。MGA理论的目的在于通过对图像内在的几何结构如轮廓、边缘和纹理等进行高效逼近和描述,从而更有效地检测、表示和处理高维空间数据,从根本上克服了二维小波变换不能有效提取图像结构中的直线和曲线等高维奇异性且只能获得有限方向性信息的缺陷,具有广阔的应用前景。研究多尺度几何分析理论并结合具体的图像处理应用给出性能更好的处理算法,具有重要的理论意义和实际应用价值,已成为当前国内外图像信号处理领域的研究热点。Contourlet是新兴的MGA工具,除具备良好的多尺度、局部化、各向异性以及多方向特性,还兼具便捷的实现方式和数字处理的友好性；此外非下采样Contourlet在Contourlet的基础上进一步扩展,提供良好的平移不变特性,代表了高维信号处理方法的发展趋势。本文以这两类多尺度几何分析工具为主线,对其理论及在若干图像处理应用中的关键技术进行深入研究。论文主要工作及贡献如下：1.深入探讨了多尺度几何分析能够获得更优异图像处理性能的深层次原因；研究了Contourlet和非下采样Contourlet的基本原理、实现方案、滤波器组设计等,详细分析了其所拥有的方向性、多尺度、局部化、各向异性,以及数字处理的友好性和稀疏表达方式等优良特性；证明了Contourlet(?)口非下采样Contourlet能够高效捕捉自然图像的高维奇异性,更加适合于各类图像等高维信号表达和处理任务,如图像融合、图像去噪、数字水印、边缘检测等等。2.针对不同医学影像设备获得的多源图像信息有效融合和综合利用的问题,提出了一种基于Contourlet区域特性的医学图像融合算法(CRSIF算法)。该算法借助于Contourlet变换的优良特性,在Contourlet变换域综合使用加权平均和选择方式实现频域系数的有效融合。为保证融合图像与人类视觉系统(HVS)的感知特性相吻合,使用了基于区域的融合规则：低频子带采用加权局部能量,高频子带基于尺度间内在的树型结构使设计并使用了Contourlet区域方向对比度。通过对CT/MR医学图像的仿真实验证明了该算法的有效性。3.针对成像系统中焦平面外的目标呈现模糊形态不能真实反映外界场景信息的问题,提出了一种基于光学成像机理的Contourlet域多聚焦图像融合算法(OIPIF算法)。在详细探讨离焦成像系统的低通函数特性的基础上,针对低频/高频系数特点设计两类区域性聚焦度量准则,并制定了相应的模值取大系数选择方案,结合Contourlet变换的独特优势在变换域的不同子带独立实施系数融合。该算法能够得到与标准清晰图像更为接近的融合图像,在综合性能方面有显着提升。4.将NSCT引入抗几何攻击数字水印技术中,提出了一种基于SIFT特征的NSCT域抗几何攻击水印算法(SND算法)。该算法通过提取宿主图像在空间域的尺度不变特征变换(SIFT)特征,在有效特征点周围的圆形区域实施多尺度NSCT,借助于NSCT的时频不变性和冗余性,在变换域的低频系数中完成水印信息嵌入。为进一步提高算法抗几何攻击的性能,该算法中同时提出了一种基于等面积圆环区域的水印嵌入方案。实验结果表明该算法具有良好的抗几何攻击特性和优秀的不可见性。5.针对激光水下成像过程中存在不同程度的散斑噪声使图像的质量变差问题,提出了一种基于NSCT变换的激光水下图像散斑抑制算法(CTSNS算法)。系统研究了激光成像中的散斑产生机理与统计特性,在此基础上将原始图像经对数同态变换和NSCT变换进行处理,通过施加约束条件,依据NSCT高频子带的系数分布模型等先验信息,设计了尺度相关的Bayes闽值对高频子带系数实施阈值萎缩,最后通过逆变换和指数运算重构图像。该算法在有效抑制散斑的同时较好地保持了激光图像中目标的边缘结构,较好地改善了图像的主客观效果。6.针对传统边缘检测算法在定位精度、轮廓平滑性和噪声抑制等方面存在的不足,首次将NSCT技术应用到图像边缘检测中,提出了一种基于NSCT的多尺度边缘检测算法(NIED算法)。该算法将原始图像分解至NSCT变换域,针对低频子带与多个尺度上的高频子带的特性分别提取边缘信息：低频子带使类似于Canny算子的空间域检测算法,高频子带则采用NSCT域的模极大值检测策略,通过归一化融合规则融合多尺度中不同方向的边缘信息,基于高频子带和低频子带信息的联合检测和边缘闭合输出最终的边缘检测结果。该算法能够达到更优的边缘检测性能。
傅霆[4]2003年在《医学信号与图像的多尺度分析方法研究》文中研究说明生物医学信息处理中常常面对在复杂背景条件下信号的测量问题,如电生理信号和医学成像的图像信号,为我们刻画这些信号的特征带来了很大的困难。近年来,利用真实世界中对象固有的尺度性质去刻画对象的多尺度分辨分析,正在发展成为处理复杂生物医学信号的一类非常重要的方法,其中小波理论的完善和尺度空间理论的发展为此提供了一系列强有力的手段。本文基于多尺度分析的思想,发展了一些新方法以利于在强噪声背景下提取信号。论文中涉及的信号对象主要有两种:诱发脑电和x射线对骨骼的成像图。其中有些方法也可能应用到其他信号对象。论文的主要内容如下:1、为了在强噪声背景下提取信号,根据白噪声在多分辨分析下的性质,提出了一种加权迭代的稀疏分解法。该方法认为,从一个完备库中寻找观测信号的稀疏成分表达问题的目标函数,可以取残差的模和稀疏成分的模的加权和最小。通过分析噪声在多分辨小波分解下的模极大性质,得到了在二尺度小波框架下不同尺度空间j的加权系数为。通过分析最小模问题的求解过程,提出了用两次迭代得到的信号成分的模的差作为迭代的收敛条件。仿真试验显示这种方法有很强的去除白噪声的能力,并在视觉诱发电位的单次提取上取得了一些有意义的结果。2. 针对图像分解和表达问题,提出了一种均值模型的多尺度叁角分解法,这种方法类似于四叉树结构,但叁角分解更适应图像的几何结构的变化。其中,我们构造了一种叁角基来解决叁角边界重迭问题。应用门限原理,实现了对于灰度较均匀图像的稀疏表达。试验显示,该方法有很强的噪声适应能力,并能形成稀疏的图像表达结构。3.为了提高在大尺度条件下提取边缘的精度,我们利用边缘响应的<WP=8>傅里叶变换,提出了一种对角模板识别边缘的方法,有效地提高了大尺度模板边缘定位精度,并降低了噪声的影响。以骨骼边缘提取为例,实现了良好的效果。论文中,我们还利用指数衰减原理来抑制x射线图像中小密度组织对骨骼边缘的影响,利用该方法很容易使用直方图原理提取出骨骼的边缘和内部结构变化的二值图,并有效地抑制背景对骨骼边缘的影响,结合Canny算子的结果,可以有效地提取人体复杂结构中骨骼的边缘。
邢笑雪[5]2014年在《基于NSST的图像融合算法研究》文中研究指明图像融合涉及信息融合、传感器、图像处理等多个领域，是一个新兴的研究方向。在图像融合研究领域中，如何高效地表示和分析图像是其中的一项核心问题。图像表示方法的有效性直接决定了融合图像的质量。非下采样剪切波变换(Non-subsampled Shearlet Transform，NSST)是目前最为先进的一种多尺度多方向的分析方法。与其他的多尺度变换方法相比，NSST的优势比较明显。从逼近理论的角度来看，NSST是一种最优逼近，它是在各个方向和各个尺度上对图像的“真正”的稀疏表示。此外，不同于传统的剪切波变换，NSST在对图像进行多尺度分解时不进行下采样操作，因而其具有平移不变性，在对图像进行重构时可以克服伪吉布斯效应。本文深入的研究了NSST并将其应用到图像融合领域中去，本文的主要研究成果和创新点如下：(1)提出基于NSST的混合多尺度分析图像融合算法针对单一多尺度分解方法只擅长处理图像中的某一类特征，而对于其他的特征并不适用的问题，本文研究了不同的多尺度分析方法的互补特性，提出了两种基于NSST的混合多尺度分析的图像融合算法。该算法以NSST为主，利用NSST和离散小波变换(DWT)、NSST和静态小波变换(SWT)的互补特性对图像进行混合多尺度分解，在混合多尺度域内对分解系数进行融合，最后通过NSST逆变换重构融合图像。仿真实验显示，这两种算法均能较好的保留图像的细节信息，不管是从主观效果进行评价还是使用客观参数进行度量，这两种算法的融合图像质量均优于传统的单一多尺度融合算法。同时，对比这两种算法可以发现NSST与SWT相结合的算法能够更为有效的抑制由下采样操作带来的伪吉布斯效应，捕获更多的源图像的特征信息，该算法具有更大的优越性。(2)提出基于NSST和压缩感知(CS)的图像融合算法针对NSST分解后图像的高频系数数据量较大且具有较大稀疏性的问题，本文提出一种基于NSST和CS的图像融合算法。算法首先采用NSST对源图像进行分解；其次利用CS算法将NSST分解后的图像的高频系数进行压缩、融合及重构，其中，采用“局部区域能量和全局梯度”联合指导高频系数压缩值的融合；然后利用“局部区域能量和局部区域方差”联合指导低频系数的融合；最后利用NSST逆变换重构融合图像。由于只需要对高频系数的压缩值进行融合，因此算法可以在不影响图像融合效果的同时加快代码的运行速度。仿真实验表明，该算法不需要原图像的先验知识就可以完成图像的融合，当图像的尺寸较大时，该算法牺牲了微小的融合图像质量，但却可以显着提高算法的运行速度，减小代码的时间代价，降低对硬件系统的要求。该算法对于融合系统的实时性要求提供了一种思路，具有较大的应用价值。(3)提出基于NSST和非负矩阵分解(NMF)的图像融合算法针对NSST分解后图像变换系数的冗余性的问题，本文将NMF的思想引入到NSST域的图像融合中去，提出了一种基于NSST和NMF的图像融合算法。算法首先对图像进行NSST分解；其次利用NMF算法对NSST分解后的低频系数进行融合；然后利用“区域改进的拉普拉斯能量和最大”的策略对高频系数进行融合；最后采用NSST逆变换重构融合图像。NSST和NMF相结合的算法既可以有效去除冗余信息，全面提取多源图像的全部特征，又可以充分提取图像的方向细节信息。实验表明，本文提出的算法具有明显的优越性，融合图像的质量得到了很大的提高；从主观效果和客观参数对融合效果进行评价，本文算法均优于其他的融合算法。
马强[6]2005年在《小波分析与图像处理系统的应用研究》文中指出随着现代工业、计算机网络技术、多媒体技术的进步,图像处理技术得到了迅猛的发展。数字图像处理技术已经成为计算机科学、工程学、生物学等各种学科学习和研究的对象,它广泛应用在工业、通讯、军事、医学等方面。本课题研究了小波分析技术,尤其是第二代小波分析在图像处理中的应用,并建立了图像采集与处理系统。本课题一方面论述了小波分析理论的原理、方法,研究了提升方法的原理和模型,利用其不基于傅里叶分析、运算简便、整数变换的特点,给出了基于最优插值估计的第二代小波图像滤噪方法,该方法减轻了滤噪后图像发生的边缘模糊现象,并通过实验数据证实了该方法相对于传统图像处理方法和小波方法的优越性,可行性。还研究了图像检测中的基于多尺度边缘检测方法及小波分析的信号奇异性检测理论。本课题另一方面在Windows 系统平台上,基于图像处理算法给出了图像采集与处理系统模型,通过人机界面的方式利用VC++6.0 开发工具对大恒DH-CG400 图像采集卡进行了二次开发,给出了利用VC++编写图像采集程序的方法和步骤,并给出了关键技术的代码。通过采集卡引擎库提供的函数对图像进行采集,并对采集到的图像进行了实时的处理,从而满足了该系统的实时性。通过图像处理和小波分析的理论,系统实现了对图像的空间域变换及小波域变换,并可以对采集到的图像进行处理和缺陷检测,在时域和小波域上都达到了很好的效果。另外还论述了图像系统中,图像形体检测精度的可行性。
王玉富[7]2006年在《小波分析用于医学图像的奇异性检测》文中指出小波变换是近10多年来发展起来的一门新兴学科，是一种信号的时间—尺度分析方法，它具有多分辨率的特点，而且在时频两域都具有表征信号局部特征的能力。由于其在信号处理领域表现出的优异性能，目前其在图像处理、信号滤波、时频分析、多尺度分析等方面得到了广泛的应用。在生物医学领域，其主要应用于信号检测、特征提取、图像处理、信号压缩等方面。 医学图像包含了大量的病理信息，对临床的诊断和治疗具有非常重要的意义。医学图像的计算机处理一直是国内外学者的研究热点。因此，探求新的更加精确的快速的计算机自动处理和诊断是非常有意义的。 医学图像处理的任务主要有图像的预处理，如分解、消噪、增强、压缩、特征提取、图像配准与融合和叁维重建等。本文研究的主要内容就是探求图像的预处理的新方法，期望为下一步的更为复杂的处理如叁维重建，打下基础，为临床诊断和治疗提供一个新的科学手段。医学图像处理可以归类于数字图像处理的范畴，因此可以应用数字图像处理的常规方法来对之进行处理，但是医学图像又具有自己的特点，常规的方法往往达不到理想的处理结果。因此，本文引入了新的小波分析的方法对主动脉夹层CT图像进行处理。 本论文在选择适当的小波基的情况下，运用小波变换的理论对主动脉夹层CT图像进行了多尺度分解；利用软阈值处理方法对该CT图像成功进行了消噪处理；通过改变小波域中某些系数的大小对该CT图像成功进行了增强处理；利用MATLAB软件中的wdencmp函数对该CT图像成功进行了压缩；利用模极大值和边缘点之间的关系，结合改进的多孔算法进行图像的边缘提取，并对提取的初始边缘做边缘的跟踪补偿，最终得到较为理想的边缘图像。另外，本论文还用小波变换对图像的边缘失真进行了处理，对称延拓模式相对处理较好。
杨金库[8]2015年在《基于二维经验模态分解的图像融合算法研究》文中提出随着复杂多源图像数据爆发式增长,通过图像融合准确快速获取多视角信息的需求不断加深。然而基于小波变换或更高层次的小波变换的常用图像融合算法存在小波基选择困难,分解系数局部相关性差等缺点会对图像的融合效果造成影响。二维经验模态分解(Bidimensional Empirical Mode Decomposition,BEMD)作为一种自适应的多尺度多分辨率图像分析方法,具有特殊的“生物切片”视角特点,能够适合处理非线性非平稳二维图像信号,并且分解得到的系数具有局部信号相关性特征,有利于高效表示和处理图像信息特征,提升图像融合质量。因此,将二维EMD引入图像融合领域前景广阔,研究基于二维EMD的图像融合基础理论、方法、应用具有重大意义和价值。本文提出基于二维EMD的图像融合算法,针对源图像的特征深入研究了图像的融合规则。本文的工作内容主要阐述如下:1.针对小波变换导致多光谱图像和全色图像融合结果出现伪吉布斯现象现象,提出了基于二维EMD和色调,亮度与饱和度(Hue,Intensity,Saturation,HIS)变换的多光谱图像和全色图像融合算法。首先对多光谱图像进行HIS变换,并对得到的新I分量和全色图像分别采用二维EMD分解得到局部相关性强的多尺度频谱,利用T检验判定高频和低频频谱系数;然后对低频和高频系数分别设计算数平均和空间频率两种融合规则,对得到的系数进行二维EMD逆变换得到新'I分量,利用逆HIS对新'I分量和H分量以及S分量进行变换得到融合结果图像。实验结果显示该算法不但可以增强融合结果图像的空间细节表现,并且能够更多保留源图像的频谱信息,此外,还能避免传统小波融合算法产生的伪像问题。2.针对基于小波变换和更高层次的小波算法的多聚焦图像融合方法中小波基选择困难,图像信息分解系数区域相关性差,分解过程繁杂耗时等缺点,提出了基于二维EMD和改进局部能量的多聚焦图像融合算法。首先采用二维EMD分解多聚焦图像得到局部相关性强的多尺度频谱,然后基于频谱系数区域中心像素的系数正负号相位信息,利用相关性强的加权模板计算局部能量,结合极大值准则和加权平均设计融合系数选择规则,融合结果明显优于传统的极大值准则、加权平均融合规则以及小波融合规则。3.针对合成孔径雷达(Synthetic Aperture Radar,SAR)与多光谱图像源特性差异大,融合结果出现信息丢失严重,光谱扭曲,对比度低等缺点,提出了基于二维EMD和模拟退火算法的SAR与多光谱图像自适应融合算法。首先采用二维EMD分解SAR和多光谱图像分别得到局部相关性强的多尺度频谱,并利用T检验判定高频和低频频谱系数;然后对低频系数采用自适应区域加权信息融合准则,更多保留了区域相关性信息,使图像的亮度和清晰度更符合人类视觉特点,对高频系数计算区域相关匹配度,并设定相关匹配度阈值,利用相关性强的加权模板计算局部能量,对不同阈值的高频系数结合局部能量设计选择和加权融合规则。为提升阈值选择的有效性,利用模拟退火算法对区域匹配阈值进行搜索。实验结果表明该算法不仅能有效克服小波图像融合算法存在的融合结果边缘失真及光谱扭曲现象,并且避免了常用区域融和规则中相关性阈值选择的盲目性问题。4.为了避免二维EMD存在的信息隐藏和多尺度频谱暗区问题,进一步提升算法运行速度,增强多光谱图像与全色图像融合规则重要信息甄选准确性,提出了一种基于二维窗口经验模态分解(Bidimensional Window Empirical Mode Decomposition,BWEMD)与粒子群算法的多光谱图像与全色图像融合算法。首先对多光谱图像进行HIS变换,并对得到的新I分量和全色图像分别采用二维WEMD分解得到局部相关性强的多尺度频谱,利用T检验判定高频和低频频谱系数;然后针对低频系数显示近似信息设计加权平均融合准则,对高频系数计算区域相关匹配度,利用一阶高斯微分计算图像高频特征量,对相关匹配度在不同阈值范围内的系数结合高频特征量设计选择和加权融合规则。高频系数的不同阈值选取采用粒子群算法进行搜索得到。最后利用逆二维WEMD变换处理融合系数取得新'I分量,利用逆HIS对新'I分量和H分量以及S分量进行变换得到融合结果图像。结果表明该方法不仅避免二维EMD域变换方法的缺点,而且有效保留了多光谱图像与全色图像融合的重要信息。综上所述,本文在二维EMD域下对多源图像进行多尺度多分辨率分解,通过T检验判定高低频谱系数,结合二维EMD分解方法的优势针对多源图像融合需求目的设计优化融合规则,提升了图像融合信息有效性。本文方法为传统图像融合提供了新的研究视角。
尤春艳[9]2014年在《多分辨率分析图像融合关键技术研究》文中认为图像融合是一门综合了传感器、图像处理、信号处理、计算机和人工智能的现代高新技术。利用图像融合技术可以有效利用多个图像的互补信息和冗余信息，并获得对目标或场景更为准确、可靠、全面的信息描述，以供进一步观察、处理、分析、决策等。目前，图像融合技术已经广泛应用于军事、医疗、遥感图像处理、多传感器网络等，但是，因为国内外有关图像融合的研究还不够系统和深入，尚未形成完整的理论框架和体系，同时其关键技术因其高度敏感性受到了发达国家的封锁，因此对图像融合关键技术的系统研究具有十分重要的现实意义。本文紧密围绕基于多分辨率分析的图像融合关键技术，提出了一些图像融合和融合图像质量评价的新思路、新算法，主要工作如下：对多分辨率分析图像融合算法进行了综合对比和分析。首先介绍了图像融合常用的多分辨率分析方法理论基础，接着分别阐述了金字塔变换、小波变换以及移不变小波变换的基本原理、变换系数特点以及各自在图像融合方面的优缺点。为进一步验证并探讨不同多分辨率分析方法、不同小波参数选取方法、不同变换级数等对图像融合效果的影响，本文设计了同样融合规则不同变换方法、同样融合方法不同小波基、同样融合方法不同小波变换级数以及同样多分辨率变换方法不同融合规则等４种仿真试验，并用多种主客观评价指标对融合效果进行综合评价，得到了一些针对多分辨率图像融合实际应用中参数选择方法和关键影响因素的初步结论，对于开展同领域研究具有一定参考价值。针对多聚焦图像融合，提出一种基于可变尺度统计分析与非下采样轮廓波变换的图像融合策略。首先介绍了多聚焦多源图像融合和非下采样轮廓波变换的基本原理，然后从保持图像自然度和清晰度的角度，结合非下采样轮廓波变换系数特点，提出一种新的融合策略。创新点有叁个方面：一是提出采用可变尺度统计特征对图像变换的高低频系数分别进行分析，克服了固定窗口尺寸不能适应图像特征变化的缺点；二是对低频子带，以多尺度平均梯度为判决依据，确定融合系数；叁是对高频系数，根据非下采样轮廓波变换系数各子带数据尺寸相同易于定位的特点，提出了一种新的融合策略，即对同一位置不同子带的高频图像变换系数从同一幅源图像中选取，以保持融合图像的自然度和清晰度。实验结果显示，该方法在提高融合图像清晰度，并保持源图像自然度上取得了很好的效果。针对遥感图像应用，深入研究全色图像与多光谱图像的特性，并针对图像融合过程中容易引起光谱失真的问题，提出一种基于区域特征和非下采样轮廓波变换的图像融合算法。一是提出了一种新的融合规则：结合图像非下采样轮廓波变换系数特征，对图像的低频子带系数，根据图像特征的显着性，划分为平滑区、纹理区和边缘区叁种，分别按照不同的融合规则进行处理；对图像的高频子带则按照绝对值取大的规则进行融合。二是对融合图像质量评价指标进行了改进：设计了光谱保持度和梯度对比度两个指标来衡量遥感图像融合质量，该指标的取值能够更加准确地展示融合图像的质量与输入图像质量的对比关系。叁是深入探讨了区域参数取值与融合图像清晰度和光谱扭曲程度之间的关系，得到了一些有益的结论。实验结果显示，通过本文提出的算法，融合图像在提高图像清晰度的同时，大大减少了融合图像的光谱失真。详细介绍图像质量评价的主客观方法，分析当前图像质量评价中的热点和难点，并通过对国内外相关方法的深入研究，提出一种新的融合图像质量客观评价方法。该方法将互信息和基于结构相似度的图像质量评价方法结合起来，以更好地对融合图像质量进行综合评价。创新点主要体现在两个方面。一是对多个图像之间互信息的计算方法进行了简化。提出将所有输入图像看作一个整体，来计算输入信号与输出信号的互信息，从而得到多图像互信息计算的简化公式，并通过进一步推导，证明了本文计算结果与传统计算方法得到的互信息相等。二是将互信息与图像的多尺度相似度两类指标进行有机结合，得到了一种新的融合图像质量评价方法。实验表明，采用该指标能够与人眼主观视觉评价较好地保持一致，可以快速有效地区分图像融合质量的优劣。最后，回顾了本文的主要工作，并对图像融合发展方向进行了展望。
参考文献：
[1]. 基于稀疏表示理论的图像去噪与融合算法研究[D]. 刘兆栋. 重庆大学. 2016
[2]. 基于EMD和小波的脑部CT图像去噪及边缘检测方法研究[D]. 刘莉. 长沙理工大学. 2007
[3]. 基于Contourlet变换的图像处理关键技术研究[D]. 杨镠. 西安电子科技大学. 2009
[4]. 医学信号与图像的多尺度分析方法研究[D]. 傅霆. 电子科技大学. 2003
[5]. 基于NSST的图像融合算法研究[D]. 邢笑雪. 吉林大学. 2014
[6]. 小波分析与图像处理系统的应用研究[D]. 马强. 哈尔滨理工大学. 2005
[7]. 小波分析用于医学图像的奇异性检测[D]. 王玉富. 山东大学. 2006
[8]. 基于二维经验模态分解的图像融合算法研究[D]. 杨金库. 西北工业大学. 2015
[9]. 多分辨率分析图像融合关键技术研究[D]. 尤春艳. 重庆大学. 2014
标签：生物医学工程论文; 图像融合论文; 小波去噪论文; 边缘提取论文; 特征分解论文; 图像处理论文; 二维论文; 边缘检测论文; 算法论文;