论文部分内容阅读
图像融合技术可以综合地使用不同传感器获得的图像信息,充分考虑传感器所得图像之间的互补信息和冗余信息,选择和结合这些信息以便于得到比单一图像更加清晰、信息量更加丰富、更精确的图像。它不仅可以增强图像信息的清晰度、改善细节精度而且可以满足人眼视觉的需要、扩大了信息的应用范围。目前,图像融合处理已经在遥感图像处理、医学扫描成像、地图绘制等方面得到十分广泛的应用。所以,针对多源图像融合技术的研究有重要的意义。首先,本论文对目前存在的融合方法进行了详细的分析和讨论,图像融合从处理对象上可以分为基于像素级、基于特征级和基于决策级三种方法,其中像素级操作简单、可实现性强。像素级处理中有成分替代法、多分辨率法、智能分析法等多种方法。（intensity-hue-saturation）IHS、（Principal Component Analysis）PCA、（Discrete wavelet transform）DWT以及（nonsubsampled contourlet transform）NSCT在本文进行对比分析,其中性能最佳且深入研究的是NSCT方法。NSCT具有多方向、多尺度和平移不变性等优点,能减少图像在融合过程中丢失的细节信息并增加融合图像的信息还原度,但NSCT仍然存在时间复杂度高、效率低,融合规则不能自适应（其中包括分解层数的合理选择）以及对噪声抗性差的问题。接着,本论文采用快速NSCT（FNSCT）结合图像增强gamma校正的方法,提高图像融合效率并增强图像对比度,改进了一种基于非下采样轮廓波的多光谱图像和全色图像融合方法。分别采集SPOT和TM的2组多光谱图像和全色图像、五种流行的多光谱图像和全色图像融合算法对本文提出的算法进行对比评估。仿真结果表明,该算法在清晰度和信息保留度互信息(QMI)、平均梯度(QAG)、相似性度量（QS）、光谱角（SAM）、一维全局相对综合误差（ERGAS）等算法性能上相比于传统的NSCT算法分别提高了3%、15.7%、12.1%、14.4%和27%。时间消耗降低了30%,仿真结果说明超高的清晰度、光谱信息的超高保留以及超低的时间消耗在本文算法中均能得到保证。最后,本论文在对噪声抗性要求高的医学图像上进行了深入的研究和应用,在CT图像以及MRI图像的融合中发现了对图像的抗噪性和算法的自适应的研究具有十分重要的价值。因此,本文提出了引入（Stationary wavelet transform）SWT在基于NSCT的图像融合方法,改进了一种基于传统NSCT的医学图像融合方法。本文算法同时在性能指标QAG、QS、QMI、结构性度量(QAB\F)上分别提高了6%、9%、36%和11%,并且其医学图像融合结果性能指标PSNR充分说明本文的算法抗噪性比提高了10%,实验证明本文的算法不仅很好的保留了CT&MRI图像的原始信息、去除了噪声的影响,而且使得图像清晰度和结构性得到了很多程度的提升。综上所述,本文针对多源图像的改进NSCT算法在仿真实验中的效果优越,可操作性强,均能达到很好的融合效果。