论文部分内容阅读
图像融合的主要目的是通过对多幅图像间的冗余数据的处理来提高图像的可靠性,通过对多幅图像间的互补信息的处理来提高图像的清晰度。图像融合具有扩大系统的工作范围、可靠性和性价比等优点。图像融合技术在遥感、医学、自然资源勘探、地形地貌分析等领域占有非常重要的地位。本文主要研究红外和可见光图像融合技术,主要对多尺度分析下的融合规则、彩色图像融合算法以及图像融合质量评价指标的选取进行了研究。多尺度分析是目前图像融合算法中常采用的技术。实验对比了金字塔、小波和超小波变换三种多尺度分析的分解系数结构特点、变换效果、处理时间以及定量地评价重构图像,对比了金字塔变换中拉普拉斯、对比度和梯度金字塔变换;分析了四种提升小波格以及离散二进小波;比较了超小波变换中曲波、轮廓波和非下采样轮廓波变换,表明了超小波分析在表达奇异性方面的优势。在多尺度分析的图像融合思想下,比较了基于单像素和基于区域的融合规则,对比了不同多尺度分析下的相同融合规则、小波与曲波变换下的不同融合规则的融合图像和性能指标,实验表明采用区域的融合规则融合效果更佳。根据Piella多分辨率分析图像融合框架和人类视觉对比度敏感性函数,利用第二代Curvelet变换,提出针对灰度图像融合的几种融合规则并寻求最优融合规则,比现有的融合规则能取得更佳的视觉效果,符合人类的视觉感知。利用非下采样Contourlet变换系数在不同尺度、方向、位置间具有很强的依赖性以及lαβ彩色空间的感知去相关性,提出针对彩色图像的融合算法,比传统IHS彩色空间变换与其它彩色图像融合法的融合效果能保留图像的较多光谱信息,目标突出,颜色失真较少,场景信息丰富。通过文献调研和实验分析,对图像融合评价指标分类,并归纳得出适合不同场合与不同传感器图像融合的评价指标的选择方法。