论文部分内容阅读
图形融合是将来自于同一场景、不同传感器,或者是由同一传感器在不同时刻获得的多幅图像中的重要信息进行提取、保留,进而合并成一幅融合图像,使这幅图像包含比原来单幅图像更全面、准确的场景信息,以便更有效的对场景作进一步分析和处理。图形融合技术是一门多学科的综合技术,它涵盖了传感器技术、图像与信号处理、人工智能、计算机技术、统计估计等技术理论,是一个交叉型的技术领域。图像融合概念最早提出于上世纪70年代后期,随着技术的不断成熟其应用领域也在不断拓展。目前,图像融合技术已广泛应用在战场监视、数字成像、医学诊断、车牌识别、气象预报以及遥感等领域。本文主要研究内容和成果如下：(1)以图像融合技术为主线,概括性介绍了图像融合的基本内容,对多源图像融合的一般过程、图像融合技术的种类,特别是对像素级图像融合的基本算法、像素级变换域的融合规则都作了系统描述,并对图像融合结果的评价方法和主要性能指标进行了简要介绍。(2)对几种典型的图像分解方法,如Laplace金字塔分解、对比度金字塔分解、小波变换和Contourlet变换等进行了原理性分析,以人脑的计算机X射线断层造影术成像(Computer Tomography, CT)图像和核磁共振成像(Magnetic Resonance Imaging, MRI)图像为融合对象,进行了相应的图像融合实验验证并对实验结果进行了分析,进而对这些典型图像融合算法的性能和特点进行了系统的分析与比较,为后续工作奠定了基础。(3)给出一种基于小波域HMT模型的多聚焦图像融合方法。根据图像经小波变换后其分解系数呈现出的统计特性,深入细致探讨了小波域HMT模型的多聚焦图像的融合方法。从马尔可夫(Markov)链、隐马尔可夫模型(HMM)及解决问题的方法,到小波域隐马尔可夫树(HMT)的建模原理、小波域HMT模型的构建,以及小波域HMT模型基本算法等都作了深入细致的研究,最后运用基于小波域HMT模型的多聚焦图像融合方法(w-HMT),对两幅多聚焦图像进行了融合实验,验证了该算法的有效性。(4)提出一种基于Contourlet域HMT模型的图像融合方法。针对Contourlet变换的多尺度和多方向特性,从分析其系数的概率分布和系数间的相关性入手,分析并建立基于Contourlet域隐马尔可夫树(C-HMT)模型。进而研究了基于Contourlet域HMT的图像融合方法和融合规则,并利用多聚焦图像进行了实验验证。与小波域HMT方法相比较,Contourlet域HMT模型的标准差、平均梯度、信息熵均明显高于小波域HMT,并且运算速度得以大幅提高。