论文部分内容阅读
随着成像传感器技术的飞速发展,人们可获取的图像信息呈现爆炸式的增长,然而由于成像原理的不同以及技术条件的限制,任何一幅单一的图像数据都不可能全面地反映目标对象的特性。图像融合是将多个成像传感器或同一成像传感器以不同工作模式获取的关于同一场景的图像信息加以综合,以获取新的关于此场景更准确的描述,从而提高分析精度、应用效果和使用价值。目前图像融合技术己广泛应用于军事、遥感、医学及计算机视觉等领域。
近些年来,基于小波变换的图像融合已成为图像融合的研究热点,本文在查阅大量相关文献的基础上,深入分析、重点探讨了基于小波变换的图像融合方法。本文的主要贡献和完成的工作包括:
1)采用一种改进的基于Harris角点检测的图像配准方法。首先,选择Harris角点作为图像特征,通过归一化互相关函数计算图像的相关性,然后对这些相关点采用一种新的聚类方法进行筛选,再使用RANSAC方法计算匹配点。这种算法不仅提高了匹配速度,而且去除了大量的不匹配点,得到了良好的匹配效果。
2)研究并讨论了基于小波变换的图像融合方法中最优小波分解层数的选取问题,得到了不同图像融合规则下的最优小波分解层。这避免了因小波分解层数过少,不能充分反映图像的细节信息;分解层数过多,计算量过大,顶层融合损失的信息量过多的问题。
3)提出了一种基于主元分析(PCA)和自适应区域方差的图像融合算法。该算法充分利用小波变换的优势,针对不同频率域的特点采用不同的融合规则,对于小波分解后的低频分量,采用基于PCA加权的融合算法;对于高频分量,采用基于自适应区域方差的融合算法。这套算法不仅增加了图像的信息量,而且有效地保留了源图像的细节信息,得到了清晰的融合图像。
4)提出了一种基于HSV空间数据模型和相似性度量相结合的彩色图像融合算法。该算法将RGB空间模型转化成与人类颜色视觉感知更接近的HSV模型,据此构造模板,并借鉴相似性度量原理选取恰当的加权系数得到融合图像。这种方法从一定程度上解决了彩色图像融合过程中出现的偏色问题,避免了融合效果过于生硬,具有良好的目视效果。