收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于多尺度经验模态分解的图像融合算法研究

郑有志  
【摘要】: 随着多种图像传感器在军事、民用领域的广泛应用,将多幅图像综合成一幅图像的融合技术具有越来越重要的研究意义。由于传感器种类多、图像数据量大、图像特征复杂等因素给图像融合技术带来众多困难和挑战。本文对图像融合问题中多尺度分解算法、分解表示的合成算法和融合图像的质量评估方面进行了深入分析,做了以下几个方面的工作: (1)提出自适应可协调经验模态分解算法(AC-EMD)。AC-EMD算法是完全数据驱动的分解算法,解决了目前图像融合中的多尺度分解算法存在自适应能力差的问题。算法分解过程中将待融合的多幅源图像根据其图像内容自适应并相互协调地分解成一系列具有物理意义的内蕴模函数图像组和一个趋势图像组,AC-EMD多尺度表示具有比金字塔和小波分解更好的图像表示特性。 (2)提出了两种塔型的经验模态分解算法。第一种是金字塔结构的分解算法PEMD,PEMD把AC-EMD分解算法和拉普拉斯金字塔分解算法有机结合,有效地降低了图像分解的冗余度。第二种是AC-EMD分解算法与Contourlet分解算法相结合的EMD-CT分解算法,EMD-CT把AC-EMD算法的自适应性、塔型分解的数据结构、Contourlet算法的多方向特性三者结合在一起,算法不仅降低了分解表示的冗余度,而且该分解算法具有多方向的图像表示特性。 (3)提出了主成分PCA和一致性检验相结合的融合规则,克服了传感器图像信息量不均等,融合图像局部不一致的情况;提出了基于区域分割的融合规则,利用图像目标区域的特性,更好解决了融合图像信息不一致、不连贯的问题。前者运行效率高,后者融合图像质量更好。 (4)提出了两种不需要参考图像的融合图像质量评估指标:基于Renyi信息熵的质量评估指标和基于结构相似性的质量评估指标。前者在计算融合图像与输入图像互信息时利用Renyi信息熵的优点,并同时考虑了互信息交叉重迭问题对评估指标的影响;后者不仅考虑了融合图像和输入图像的结构相似度,而且考虑了输入图像之间的结构相似度对评估指标的影响。


知网文化
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978