论文部分内容阅读
多聚焦图像融合是图像融合的一个分支,其主要目的是提取多源图像中的清晰区域,去除模糊区域,然后综合清晰区域融合成一幅清晰的图像。由于像素级图像融合能更好的表征图像的细微信息,因此,本文研究图像融合层次是基于变换域的像素级图像融合,提出基于小波域的多聚焦图像融合算法和基于NSCT域的多聚焦图像融合算法,主要研究工作包括:1)论文首先阐述了图像融合算法研究的背景和意义以及最新进展,其次介绍图像融合层次,接着介绍了多聚焦图像融合的关键基础技术,其中包括介绍多聚焦图像的成像原理和多聚焦图像研究的两大领域,最后对多聚焦图像融合算法的评价指标进行了介绍。2)针对离散小波变换多聚焦图像融合算法中对低频分量融合处理存在缺陷而导致图像的边缘失真及图像模糊等问题。本文提出了一种自适应区域融合规则多聚焦图像融合算法,首先将源图像进行小波分解,得到低频系数和高频系数,然后将代表近似信息的低频系数采用改进空间频率做阈值处理,将代表细节信息的高频系数采用改进的梯度与改进的拉普拉斯能量和高频融合规则,最后对处理后的高频系数和低频系数进行小波重构。实验结果表明,本文算法与传统的融合方法相比,主观上,图像轮廓信息和边缘信息保留更多,融合结果效果更好,客观上,本文处理后的客观指标大幅提高。3)针对NSCT域多聚焦图像融合方法忽略了对图像清晰区域的有效提取等问题,提出了一种NSCT结合清晰区域边缘检测多聚焦图像融合算法,算法首先对原图像A、B进行NSCT多尺度分解,得到低通子带和带通子带;然后对低通子带采用基于改进的梯度能量的低频子带融合规则进行融合,对带通子带采用基于切比雪夫矩的带通子带融合规则进行融合;接着进行INSCT变换得到初步融合图像;最后对初步融合图像进行清晰区域边缘增强得到最终融合图像。实验结果表明,本文提出改进的Pal算法能有效的提取图像清晰边缘,且最终融合图像主观视觉大幅提高,客观评价指标最优。