论文部分内容阅读
多源图像之间具有互补性和冗余性。为了克服单一源图像提供信息不足的缺点,本文对多尺度几何变换进行研究,探讨了基于多尺度几何变换的图像融合算法。本文主要研究内容和创新点如下:1、将Smoothlet变换应用到图像融合领域。Smoothlet变换具有较好的“线”、“面”特性,能够很好的逼近图像边缘信息,进而对图像中需要保留的边缘信息进行有效地提取。但是Smoothlet在进行图像逼近时方向性有限,通过将Smoothlet变换与其他多尺度几何变换相结合,再将其应用到图像融合领域。2、NSCT和Smoothlet结合的图像融合方法。图像融合过程中,NSCT在图像空间域的总体活跃度不高,以及从源图像提取的信息量不够完全,融合后的图像在细节位置上会产生不同程度的模糊,导致对融合后图像的准确性产生不良影响。针对NSCT变换的不足,本文研究了NSCT和Smoothlet结合的融合算法。NSCT具有很好的方向性,两种方法之间具有很强的互补性,且在融合过程中保留了逼近图像和残留图像,从而能够更有效地提取图像中需要保留的特征信息。仿真实验表明,该算法融合后的图像能够很好的保留源图像的细节信息。3、NSST和Smoothlet结合的图像融合方法。单一多尺度几何方法通常只擅长处理某一特定类型的图像,而对于其他类型的图像并不适用。将本文研究的NSST和Smoothlet结合的图像融合方法应用到多聚焦图像和医学图像领域,都取得了良好的融合效果。NSST采用“Meyer”小波构造窗函数,可获得多方向的紧支撑结构,在方向分解操作过程中可以自行设定方向数目,方向数目的增加使得融合后的图像更加精细。通过与NSST结合能够很好的弥补Smoothlet在方向上的不足,而且融合过程中保留了逼近图像和残留图像,因此提高了NSST变换过程中对源图像信息的保留程度。仿真实验表明,该算法融合后的图像效果要优于传统单一的多尺度几何方法。