论文部分内容阅读
像素级图像融合是信息融合领域的一个重要分支,它将来自多个图像传感器或者同一图像传感器以不同工作状态获得的关于同一场景的多幅图像中的重要信息提取出来,并集成在一幅图像中,以达到从单幅图像就可以客观真实全面地了解该场景的目的,在军事和民用领域有着广泛应用。图像多尺度分析方法可以从多个尺度上来描述一幅图像,并分别处理这些不同尺度的特征,符合人眼视觉特性,因此基于多尺度分析的图像融合算法有着非常重要的研究意义与应用价值。本文主要针对基于多尺度分析的图像融合算法中涉及到的关键技术和问题进行了研究。首先,调查了图像融合的发展过程以及国内外的研究现状,阐述了常用的图像传感器成像特点,梳理了图像融合的基本理论框架,对其中的热点和难点进行了简要地剖析;同时也对图像融合质量评价体系进行了总结,分析了其现存的问题。其次,介绍了图像融合领域常用的多尺度分析工具,总结了它们各自的优缺点。针对RGF的分解结果缺乏图像的方向信息和NSST无法提取图像中细微特征的问题,本文结合RGF与NSST各自的优势提出了一种新的图像多尺度分解方法,其既可以提取到图像中的细微特征,而且还可以提取到图像的方向信息。然后,针对目前许多红外和可见光图像融合算法得到的融合结果不够自然以及融合结果中红外目标不够突出的问题,本文在前面的多尺度分解框架下,分别设计了低频融合规则和高频融合规则:结合RPCA分解模型与模糊逻辑得到低频分量的融合权重,使得红外场景中的目标等显著信息在融合结果中更加突出;结合局部显著性和传统的“绝对值取大”规则融合高频分量,使得融合结果更加自然和符合人眼视觉感知。最后,本文提出了一种基于反馈的图像融合算法,它可以在每一个局部位置判断出哪幅源图像的特征更加显著,并以此设计融合权重,可以在融合结果中保留每幅源图像中的显著信息。相比于很多传统的算法,它还可以在客观指标的引导下根据每幅图像的特点,自适应地调整参数,是一种质量驱动的方法。本文设计了详细的实验将以上两种算法与几种经典的算法和最新的算法从主观视觉效果和客观指标两方面进行了比较,同时,也在这两种算法之间以同样的方式进行了评估。实验结果表明,本文的两种算法可以有效地提升融合图像质量,并且保留了源图像中的大量显著信息。