论文部分内容阅读
由于不同成像设备的原理不同,对同一目标拍摄所得图像就具有不同的特点。通过一定的算法将这些图像融合在一起,得到的合成图像就具有这些源图像上特有的优点,可以提供更加丰富的内容信息,方便人们的进一步研究,能更有效的分析目标数据。因此,研究图像融合技术具有重要的意义。 本文研究了引导滤波器的特性,分别提出了基于wavelet变换与引导滤波的融合算法和基于contourlet变换与引导滤波的融合算法。 基于wavelet变换与引导滤波的融合算法的基本思路,首先对两幅源图像应用一层小波变换,对分解得到的一组近似系数针对每个像素值进行比较,得到权值图。由于这样得到的权值图有噪声,而且边缘比较模糊,考虑到引导滤波器的保边去噪特性,应用引导滤波器处理这两幅近似系数,得到新的权值图。接着应用新的权值图把两幅源图像分解后对应的近似系数和小波系数分别进行加权融合,得到融合后系数,最后利用小波逆变换得到融合后图像。该算法得到的图像能够很好的保持源图像的信息,融合图像质量很好。 基于contourlet变换与引导滤波的融合算法的基本思路,首先对源图像应用contourlet变换进行分解,得到低频系数和高频系数。对低频系数应用区域能量取大的算法进行融合。高频系数应用基于引导滤波的算法进行融合。即对待融合的两幅高频系数针对每个像素值进行比较,得到权值图,该权值图有噪声且边缘模糊,因此应用引导滤波器进行处理得到新的权值图。最后应用新的权值图融合输入的高频系数。对两幅源图像在多个尺度及多个方向上对应的高频系数,分别使用该方法进行融合。最后使用逆contourlet变换得到融合图像。 应用本文所提出的两种算法分别针对医学图像、多聚焦图像和遥感图像进行实验,同时对传统的基于直接取大的算法及近来新兴的基于直觉模糊推理的算法进行仿真作为本文算法的实验对照组。实验结果表明,基于wavelet变换与引导滤波的算法针对医学图像和多聚焦图像实验时,与其他算法相比,得到的融合图像细节更丰富,边缘更清晰。基于contourlet变换与引导滤波的算法针对遥感图像实验时,与其他算法相比,得到的融合图像内容活跃,边缘细节清晰。因此,本文所提的融合算法具有一定的优势。