發(fā)布時(shí)間：2024-06-10 20:18

　　圖像融合是將多個(gè)傳感器在不同時(shí)間條件下得到的關(guān)于同一目標(biāo)場景的圖像進(jìn)行綜合處理的一種技術(shù),目的是使得融合圖像含有更豐富的細(xì)節(jié)信息。圖像融合的關(guān)鍵問題是如何有效提取各幅源圖像中的特征信息并在不引入虛假錯(cuò)誤信息的條件下進(jìn)行有效融合。非下采樣剪切波變換(Non-subsampled Shearlet Transform,NSST)是一種能夠有效表示以及分析圖像的多尺度分析方法,可以實(shí)現(xiàn)圖像的“稀疏”表示,高效地提取圖像的有用信息。圖像經(jīng)NSST分解后生成大量系數(shù),對系數(shù)處理方法的有效性直接決定了融合圖像的質(zhì)量。針對該問題本文將改進(jìn)的簡單線性迭代(Simple Linear Iterative Clustering,SLIC)超像素分割方法用于NSST系數(shù)的融合中。改進(jìn)的SLIC超像素分割方法可以有效地提取圖像的局部信息且可以高效定位圖像中的邊界和物體,使得圖像更易分析,將其應(yīng)用于NSST高頻系數(shù)的融合可有效提升融合質(zhì)量。因此,本文對基于NSST和改進(jìn)的SLIC的圖像融合算法進(jìn)行探索性研究,主要工作內(nèi)容有:(1)詳述了SLIC超像素分割方法的實(shí)現(xiàn)過程,并針對其存在的不足對其進(jìn)行改進(jìn)。重點(diǎn)介紹了...

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1像素級融合框架

融合分類融合的一般目的是最大化地將源圖像中的有價(jià)值信息采集出來并且在融地顯現(xiàn)。依據(jù)信息表示層次的差異，多傳感器圖像融合通常分為三個(gè)級別特征級以及決策級。像素級融合素級圖像融合[13]中，是直接對多個(gè)傳感器得到的原始圖像進(jìn)行融合處理，合。像素級圖像融合的優(yōu)點(diǎn)是：a.使原始數(shù)據(jù)最大....

圖1-2特征級融合框架

缺點(diǎn)是：融合過程中信息會發(fā)生一定的失真。該級圖像融合處理的框架如圖1-2所示。圖1-2特征級融合框架Fig.1-2Feature-levelfusionframework3．決策級融合決策級圖像融合[15]實(shí)際是一種推理過程，即將不同的圖像信息應(yīng)用一定的數(shù)學(xué)知識作....

圖1-3決策級融合框架

圖1-2特征級融合框架Fig.1-2Feature-levelfusionframework3．決策級融合決策級圖像融合[15]實(shí)際是一種推理過程，即將不同的圖像信息應(yīng)用一定的數(shù)學(xué)知作為支撐展開推理，是一種高層次融合。首先將各個(gè)傳感器得到的圖像依次對同一目形成一個(gè)初....

圖1-4MGA圖像融合算法結(jié)構(gòu)圖

于神經(jīng)網(wǎng)絡(luò)的圖像融合前圖像融合中應(yīng)用較多的神經(jīng)網(wǎng)絡(luò)方法是脈沖耦合神經(jīng)網(wǎng)絡(luò)(PulseCoupNetwork，PCNN)。PCNN是一種新型的人工神經(jīng)網(wǎng)絡(luò)模型，它具有的脈沖耦限、產(chǎn)生同步脈沖和乘法調(diào)制等特性[25]，使得其在圖像融合中應(yīng)用比較廣泛ioglu等人于2000....

本文編號：3991850