论文部分内容阅读
多尺度结构是自然图像的基本特征之一。图像的大尺度子图通常反映该图的整体结构,包含较多的图像低频信息,其可看作图像的低频分量;小尺度子图包含较多的图像细节和纹理信息,其可看作图像的高频分量。能有效提取图像的多尺度信息的各种图像多尺度分解方法已经在图像处理的各个领域,如图像去噪、图像分割、图像清晰度评价和多源图像融合等,得到了广泛且成功的应用。在图像的拉普拉斯多尺度分解方法中,图像的高频分量由原图与图像的低频分量做差而间接得到。因此,用其表示图像像素点间的灰度变化并不十分准确。鉴于图像高频分量在许多图像处理任务中的重要性,本文提出了一种新的图像高频分量提取滤波器,进而构造了一种新的图像多尺度分解方法,并将这种新的图像多尺度分解方法应用于无参考图像清晰度评价、多聚焦图像融合和多源图像融合等图像处理任务中。本文所取得的主要研究成果与创新工作概述下:(1)鉴于微分几何中光滑曲面上两点间的有向距离能有效地衡量两点间的高度差,因此本文首先使用非参数曲面拟合方法把离散的数字图像转化为光滑的图像曲面,然后使用有向距离概念计算图像曲面点的邻域距离,并利用邻域距离构造了一个新的邻域距离滤波器用以快速提取灰度图像的高频分量,最后基于邻域距离滤波器提出了一种新的图像多尺度分解方法。(2)光学成像系统中的自动对焦及图像感兴趣区域的自动定位等应用都要求在无参考图像的情形下对某一图像的清晰度进行快速有效的评价。由于图像的清晰度信息较多地存在于图像的高频分量中,我们利用所提出的邻域距离滤波器提取图像的高频分量,然后利用提取的高频分量构造了一种新的图像清晰度快速评价指标。实验结果表明该清晰度评价指标具有较高的评价性能,且其计算极为快速。(3)准确有效地提取多聚焦源图像组中每个图像的准确对焦区域是多聚焦图像融合任务中的关键因素。本文首先将各个多聚焦源图像分割为一定大小的子图像块,然后分别计算每个子图像块的清晰程度,最后按照子图像块的清晰度选大的规则选取各个多聚焦源图像中被准确对焦的子区域,并将各个被选择子图像块组合得到最终的处处准确对焦的融合图像。实验结果表明:在所选用的融合图像评价指标下,与相同类型的多聚焦图像融合算法相比,提出的多聚焦图像融合方法能得到更好的融合图像。(4)为了克服基于块清晰度的多源图像融合方法中子图像块大小难以确定和最终的融合图像容易出现块效应等缺点,首先利用提出的图像多尺度分解方法将各个源图像分解为一系列的高频子图像和一个低频子图像,然后利用高频子图系数与低频子图系数的比值构造每个像素点的对比度,最后基于对比度选大的原则选取各个源图像的高频子图系数作为融合图像的高频子图,并通过图像分解逆过程重构得到融合图像。实验结果表明:在所选用的融合图像评价指标下,与常见的基于图像多尺度分解的多聚焦图像融合算法相比,所提出的多聚焦图像融合算法能得到更好的融合图像。(5)自然图像除了包含奇异点外,还包含大量的指向不同方向的奇异线。为了克服多尺度邻域距离分解只能提取图像的奇异点的缺点,我们将图像的多尺度邻域距离分解与方向滤波组相结合,构造了一种新的图像多尺度多方向分解方法,并将该多尺度多方向分解方法应用于多源图像融合任务中。实验结果表明:在所选用的融合图像评价指标下,与常用的基于图像多尺度多方向分解的多源图像融合算法相比,所提出的多源图像融合算法能得到更好的融合图像。