基于平均梯度和小波多分辨率分析的图像融合算法研究

【摘要】： 多传感器信息融合技术作为一个新兴的研究领域,已经大大地提高了许多工业测量系统和智能控制系统的性能。作为一种有效的信息融合技术,图像融合在计算机视觉、军事侦察、医学图像病变识别和地球遥感等领域都得到了广泛地应用。如何对来自不同传感器类型的同一目标的图像信息进行有效综合,以及充分利用有用信息来提高智能控制系统正确识别、判断和决策的能力,是图像融合研究的重要内容之一。图像融合的目的是通过合并互不相同的或辅助性的信息增加图像中出现的信息以及解释的可靠性,从而产生一幅更加适合于人类视觉,目标检测和模式识别的新图像。融合后的图像不仅较好地保留了原图像的信息,而且还提高了图像的空间细节信息和清晰度。 为了充分利用各种图像的综合信息,针对不同传感器图像的特征,本文在分析传统图像融合方法优缺点的基础上,重点研究了基于平均梯度和小波多分辨率分析相结合的图像融合算法。 本文首先介绍了多分辨率分析的思想和小波变换的理论原理,接着简要概述了图像融合前所需的一些预处理技术,主要是重点介绍了基于软阈值的小波去噪方法和基于空间投影变换的图像配准算法,然后在此基础上重点探讨了基于平均梯度和小波变换的图像融合算法。在小波图像融合的过程中,融合的近似分量通过加权平均的方法来获得,即对于平均梯度较大的原始图像近似分量,我们选择较大的权重,反之则选择较小的权重。而对于融合的细节分量,则直接选取平均梯度较大的那个原始图像的小波分解细节分量。实验结果表明与文中提到的其他方法相比,基于平均梯度和小波多分辨率分析的图像融合算法能够得到较好的融合效果。 当然,本文的研究工作还有许多需要完善的地方,有待于今后进行更深入的研究。