基于平移不变剪切波变换与深度卷积神经网络的图像融合方法

发布时间：2024-03-11 01:24

　　图像融合是将两个或者两个以上的传感器在同一时间或不同时间获取的关于某个具体场景的图像或者图像序列信息加以综合,以生成一个新的有关此场景解释的信息处理过程,而这个解释是从单一传感器获取的信息中无法得到的^[1]。近些年来,国内外研究者在图像融合领域取得了丰硕的研究成果,本文将着重介绍在平移不变剪切波变换(Shift-Invariant Shearlet Transfom,SIST)下的图像融合方法。与传统的多尺度变换方法相比,SIST是目前最为先进的一种多尺度分析方法,此方法可以实现图像的“稀疏”表示,高效地提取图像的有用信息。此外,不同于传统的剪切波变换,SIST在对源图像进行多尺度分解时不进行下采样操作,所以具有平移不变特性,能够很好地保留细节信息也克服了伪吉布斯效应。对源图像进行SIST分解得到的子带,如何进行融合成为了研究的重点,而本文中,在子带融合时采用了深度卷积神经网络(deep Convolutional Neural Network,CNN)、自适应的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)等方法,以提高融...

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图1.1像素级图像融合示意图

目前，已广泛应用于医学图像处理、天气预报和多频谱图像等领域是在图像融合之前一般都要经过源图像的预处理，这里的预处理主要包括图像去准、锐化等操作，本文中的源图像都是经过预处理后的图像。图像的信息融合通素级（Pixel-level）、特征级（Feature-level）和决策级（De....

图1.2特征级图像融合示意图

图1.2特征级图像融合示意图Fig.1.2Feature-levelimagefusionschematic（3）决策级融合决策级融合方法相对于像素级和特征级融合方法融合层次最高，是在特征提取的上进行的，需要依次进行预处理、特征提取和分类。在融合时根据不同的特征种类不同的....

图1.3决策级图像融合示意图

图1.2特征级图像融合示意图Fig.1.2Feature-levelimagefusionschematic（3）决策级融合决策级融合方法相对于像素级和特征级融合方法融合层次最高，是在特征提取进行的，需要依次进行预处理、特征提取和分类。在融合时根据不同的特征种同的决策方法....

图1.4基于MGA的图像融合示意图

山东理工大学硕士学位论文第一章绪论1.3.2变换域图像融合为克服传统变换域融合质量不高的问题，多尺度几何分析（Multi-ScaleGeometAnalysis，MGA）方法应运而生。该方法首先对输入的源图像进行分解，然后对分解到的子带系数进行不同方法的融合，最后再对融合....

本文编号：3925609