论文部分内容阅读
图像融合是使用特定算法对多幅图像进行综合处理,从而得到满足需求的新图像。融合后的新图像具有更好的清晰度和可理解性,符合人类的视觉认知系统。二维经验模态分解(Bidimensional Empirical Mode Decomposition,BEMD)由一种对图像进行自适应多尺度分析的方法,自适应地分解图像获得二维本征模态函数(Bidimensional Intrinsic Mode Function,BIMF)和残余分量。论文主要研究了基于BEMD的图像融合算法,具体研究工作如下:(1)研究了图像融合的相关理论,介绍了图像融合的整体流程、图像融合层次、图像融合方法和图像质量评价方法。依据图像融合过程中的信息抽象程度,分为像素级、特征级和决策级融合,基于BEMD的图像融合方法为基于像素级的融合方法。(2)研究了经验模态分解(Empirical Mode Decomposition,EMD)相关理论,EMD适用于对非线性非平稳信号进行多尺度分析。BEMD是EMD的二维延拓,对图像进行多尺度分析,准确地获取图像所蕴含的复杂信息。(3)研究了基于BEMD和非负矩阵分解的红外图像与可见光图像融合方法,将红外图像与可见光图像融合在一起,可增强视觉效果,使人产生更完整的场景感知。将彩色可见光图像从RGB转换到HIS颜色空间,采用BEMD分别对红外图像和可见光图的强度分量进行分解得到高频分量和低频分量。高频分量选择非负矩阵分解的融合规则,低频分量选择算术平均的融合规则,对融合后的分量进行重构和HIS逆变换,可获得融合结果图。实验表明基于该融合方法的融合结果图具有显著的目标和清晰的边缘轮廓。(4)研究了基于改进的BEMD和窗口能量相关性融合规则的红外图像与可见光图像融合算法,基于BEMD的图像融合方法具有运行时间长的不足之处,提出了改进的二维经验模态分解,采用基于顺序统计滤波器、邻域限制法和平滑滤波器的包络曲面估计法代替耗时的曲面插值法,加速图像的分解过程。基于改进的BEMD特点,提出了基于窗口能量相关性融合规则,高频分量采用此融合规则。实验表明该融合算法不仅具有最优客观指标评价值,还符合人眼的视觉感知。(5)研究了基于快速BEMD和深度学习的红外图像与可见光图像融合算法,快速BEMD算法采用一个顺序统计滤波器直接生成包络曲面,进一步提高了算法的效率。提出基于深度学习的图像融合规则,采用卷积神经网络提取图像多尺度分量的多层特征图,根据多层特征图确定融合权重。实验表明该融合算法具有最佳的融合结果,主观视觉效果和客观评价指标均优于最新较为经典的图像融合算法。