论文部分内容阅读
图像融合就是将多个不同模式的图像传感器获得的同一场景的多幅图像，或同一传感器在不同时刻或不同方式下获得的多幅图像合成一幅包含输入图像相关信息的图像的过程。根据融合处理采用方式的不同，图像融合分为像素级、特征级和决策级。目前使用广泛的是基于像素级的图像融合方法。像素级图像融合在军事、遥感、医学成像、机器人、监控等领域有着广泛的应用。目前，在像素级图像融合中，多尺度变换图像融合算法是应用广泛且极其重要的一类算法。本论文研究了结合图像自身特征的多尺度变换像素级图像融合算法。主要研究成果如下：
1.提出了一种基于自适应脉冲耦合神经网络(PCNN)结合小波变换的新型图像融合算法。首先，对待融合的图像进行小波分解得到多尺度图像，然后在变换域充分利用PCNN的同步激发特性，进行基于PCNN的融合策略设计。实验结果以及与其他融合算法的比较分析表明，所提出的算法能有效地保留图像的轮廓信息、更好地保持图像的空间分辨力。
2.提出了基于边缘检测的多尺度变换图像融合算法，对待融合图像进行多尺度分解。对分解系数采用Canny准则进行边缘检测，依据多尺度分解系数是否为边缘点采用不同的融合策略融合变换系数。融合结果表明此融合策略克服了传统融合算法在细节表现力上的不足，可以获得效果更佳的融合图像。