基于不可分离剪切波与稀疏表示的图像融合算法研究

发布时间：2023-07-25 00:34

　　图像融合技术是将不同成像机理的传感器或者同一传感器在不同条件下对同一场景图像进行获取后生成符合人类观察或者计算机处理的图像,得到的图像比源图像信息更加丰富和准确,有利于后续检测、识别和跟踪工作,图像融合技术具有良好的应用前景。图像融合过程涉及数据处理手段和融合规则。针对目前图像融合技术存在方向信息缺失、图像创新部分特征不明显和清晰度下降等问题,本文在不可分离剪切波变换与稀疏表示的图像融合算法上做了以下探索与研究:首先研究一种离散不可分离剪切波变换的多尺度分解工具,离散不可分离剪切波变换是应用剪切算子直接进行剪切操作,这使得不可分离剪切波变换直接在连续域定义离散化,改善了剪切支撑之间的重叠,优化了方向选择。然后研究一种基于离散不可分离剪切波与联合稀疏表示的图像融合方法,该方法对离散不可分离剪切波分解后的低频子代采用联合稀疏表示方法融合,对高频子代采用参数自适应脉冲耦合神经网络融合,有效解决了融合后图像创新部分不明显以及不符合人类视觉观察的问题。最后研究一种基于离散不可分离剪切波和卷积稀疏表示的图像融合方法,该方法对离散不可分离剪切波分解后的低频子代采用卷积稀疏表示算法融合,然后对高频子代...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景和意义
    1.2 图像融合研究现状
        1.2.1 图像融合的步骤和层次
        1.2.2 多尺度变换的研究现状
        1.2.3 图像融合规则研究现状
    1.3 图像融合质量评价
        1.3.1 主观评价方法
        1.3.2 客观评价方法
    1.4 本文的内容安排
第2章 不可分离剪切波变换
    2.1 剪切波变换
        2.1.1 框架理论
        2.1.2 Shearlet理论
    2.2 离散不可分离剪切波变换
        2.2.1 离散小波变换
        2.2.2 离散Shearlet变换
        2.2.3 离散不可分离剪切波变换
    2.3 仿真实验及结果分析
        2.3.1 DNST对图像的分解与重构
        2.3.2 不同多尺度分析域内图像融合结果分析
    2.4 本章小结
第3章 稀疏表示理论
    3.1 信号的稀疏表示
    3.2 K-SVD字典学习
    3.3 稀疏表示最优解
        3.3.1 匹配追踪算法
        3.3.2 正交匹配追踪算法
    3.4 本章小结
第4章 基于DNST和 JSR的图像融合方法
    4.1 联合稀疏表示
    4.2 参数自适应脉冲耦合神经网络
    4.3 融合规则
    4.4 仿真实验及结果分析
        4.4.1 不同稀疏表示图像融合结果分析
        4.4.2 不同算法的图像融合结果分析
    4.5 本章小结
第5章 基于DNST和 CSR的图像融合方法
    5.1 卷积稀疏表示
    5.2 融合方法
    5.3 实验结果与分析
        5.3.1 不同稀疏表示方法图像融合结果分析
        5.3.2 不同算法图像融合结果分析
    5.4 本章小结
第6章 总结与展望
    6.1 工作总结
    6.2 图像融合算法研究展望
参考文献
攻读硕士学位期间的学术成果
致谢



本文编号：3836819