基于小波变换的像素级图像融合算法研究答辩稿
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1
活性测度：能够提取输入图像多分辨率分析系数 某种特征信息，从而用于决定哪幅输入图像的特 征信息更为明显。 匹配测度：用以表示输入图像的多分辨率分析系 数间的匹配或相似程度。 决策模块：算法的核心，输出量决策因子控制着 输入图像多分辨率分析系数的合成，用于计算融 合图像的分解系数。 合成模块：指对输入图像的多分辨率分析系数的 合并，从而得到融合后图像F的多分辨率系数
2
3
4
活性测度：
匹配测度：
aj ,s (m, n)
m'L ,n 'K
p ( m ' , n ' ) | D ( m m ' , n n ' ) | j ,s
2 M j , AB (m, n)
m 'L , n 'K
2 2 p ( m ' , n ' ) (| D ( m m ' , n n ' ) | | D ( m m ' , n n ' ) | ) j, A j ,B
源图像N
增强
像素 级融 合
特征 级融Βιβλιοθήκη Baidu合
决策 级融 合
融合质量 评估
融 合 结 果 应 用
2 小波变换
2.1 小波变换概述
小波变换是一种新的变换分析方法，它 继承和发展了短时傅立叶变换局部化的思想， 同时又克服了窗口大小不随频率变化等缺点， 能够提供一个随频率改变的“时间-频率” 窗口，是进行信号时频分析和处理的理想工 具。它的主要特点是对信号的局部特征表征 能力强，因此，小波变换在许多领域都得到 了成功的应用。
基于小波变换的像素级图像 融合算法研究
导 师: 答辩人: 专 业:
LOGO
主要内容
图像融合的意义
小波分析理论基础 多分辨率图像融合
基于边缘的加权多分辨率图像融合
总结
1 图像融合的意义
单幅图像数据 难以满足实际 需求 图像融合能够 扩大时空传感 范围，提高观 测的准确性和 清晰性 完善的重构能 力，保证信号 在分解过程中 没有信息损失 和冗余信息 提供了与人 类视觉系统 方向相吻合 的选择性图 像
D ( m , n ) w ( m , n ) D ( m , n ) w ( m , n ) D j ,F j, A j, A j ,B j , B (m, n)
合成模块：
4 基于边缘的加权多分辨率图像融合
4.1 概述
基于多分辨小波变化的图像融合算法 中，用 Canny算子提取出图像分解出来的 每一幅子图的边缘，然后根据这些子图的 某些边缘特征，再结合图像细节的合理取 舍进行图像的融合。
不同图像数 据的各自优 势和互补性 综合起来非 常实用 图像融合在计 算机视觉、目 标识别等领域 成为研究热点
研 究 背 景
图像
融合
研 究 意 义
1.2 图像融合流程
在图像融合之前，由于图像间的位移、畸变以及噪
声污染等问题，图像融合之前必须经过一系列预处理 。
源图像1
增强 图 像 匹 配 特征 提取 特征 描述
4.2 实验结果： 1、多聚焦图像的融合：
原始图像
Petrovi方法
本章方法
4.2 实验结果： 2、可见光图像和红外图像的融合：
（a）可见光图像
（b）红外图像
(c)Petrovi方法
（d）本章方法
两种方法均有效地利用了精确度较高的像素级图像
融合规则，但Petrović方法融合结果图的结构出现了一
定的失真，特别是对于反差较大的红外和可见光图像， 其融合结果图中出现了较多的纹波（如“OCTEC”字的 周围），相比之下本章方法的融合结果图则较为清晰， 边缘特征更为明显(如右侧楼宇的窗户），因此从融合结
果和性能指标来看，本章方法的结构失真更小，更符合
人眼的视觉特性。
5 总结
本文重点研究了的是基于小波变换的像 素级图像融合，内容涉及了图像融合的概 念、融合的目的和意义、融合图像的基本 特点和应用领域、图像融合的层次和算法 、图像预处理、图像融合的性能评价、基 于边缘的多分辨率图像融合图像融合等。
m 'L , n 'K
p ( m ' , n ' ) D ( m m ' , n n ' ) D j,A j , B ( m m' , n n' )
决策模块：
1 当 M ( m , n ) T 且 a ( m , n ) a j , AB j , A j , B ( m, n) d ( m , n ) 0 当 M ( m , n ) T 且 a ( m , n ) a j j , AB j, A j , B ( m, n) 1 其它 2
2.2 Mallat算法概述
根据多分辨率理论，Mallat提出了小波分 解与重构的快速算法，即Mallat算法。
Mallat算法可避免尺度值越大，对信号的采
用就越紧密的缺点。这一算法在小波中的地
位，想到于快速傅里叶变换在经典傅里叶分
析中的地位。
3.1 多分辨率图像融合框架
yA
3. 2 各模块概述
活性测度：能够提取输入图像多分辨率分析系数 某种特征信息，从而用于决定哪幅输入图像的特 征信息更为明显。 匹配测度：用以表示输入图像的多分辨率分析系 数间的匹配或相似程度。 决策模块：算法的核心，输出量决策因子控制着 输入图像多分辨率分析系数的合成，用于计算融 合图像的分解系数。 合成模块：指对输入图像的多分辨率分析系数的 合并，从而得到融合后图像F的多分辨率系数
2
3
4
活性测度：
匹配测度：
aj ,s (m, n)
m'L ,n 'K
p ( m ' , n ' ) | D ( m m ' , n n ' ) | j ,s
2 M j , AB (m, n)
m 'L , n 'K
2 2 p ( m ' , n ' ) (| D ( m m ' , n n ' ) | | D ( m m ' , n n ' ) | ) j, A j ,B
源图像N
增强
像素 级融 合
特征 级融Βιβλιοθήκη Baidu合
决策 级融 合
融合质量 评估
融 合 结 果 应 用
2 小波变换
2.1 小波变换概述
小波变换是一种新的变换分析方法，它 继承和发展了短时傅立叶变换局部化的思想， 同时又克服了窗口大小不随频率变化等缺点， 能够提供一个随频率改变的“时间-频率” 窗口，是进行信号时频分析和处理的理想工 具。它的主要特点是对信号的局部特征表征 能力强，因此，小波变换在许多领域都得到 了成功的应用。
基于小波变换的像素级图像 融合算法研究
导 师: 答辩人: 专 业:
LOGO
主要内容
图像融合的意义
小波分析理论基础 多分辨率图像融合
基于边缘的加权多分辨率图像融合
总结
1 图像融合的意义
单幅图像数据 难以满足实际 需求 图像融合能够 扩大时空传感 范围，提高观 测的准确性和 清晰性 完善的重构能 力，保证信号 在分解过程中 没有信息损失 和冗余信息 提供了与人 类视觉系统 方向相吻合 的选择性图 像
D ( m , n ) w ( m , n ) D ( m , n ) w ( m , n ) D j ,F j, A j, A j ,B j , B (m, n)
合成模块：
4 基于边缘的加权多分辨率图像融合
4.1 概述
基于多分辨小波变化的图像融合算法 中，用 Canny算子提取出图像分解出来的 每一幅子图的边缘，然后根据这些子图的 某些边缘特征，再结合图像细节的合理取 舍进行图像的融合。
不同图像数 据的各自优 势和互补性 综合起来非 常实用 图像融合在计 算机视觉、目 标识别等领域 成为研究热点
研 究 背 景
图像
融合
研 究 意 义
1.2 图像融合流程
在图像融合之前，由于图像间的位移、畸变以及噪
声污染等问题，图像融合之前必须经过一系列预处理 。
源图像1
增强 图 像 匹 配 特征 提取 特征 描述
4.2 实验结果： 1、多聚焦图像的融合：
原始图像
Petrovi方法
本章方法
4.2 实验结果： 2、可见光图像和红外图像的融合：
（a）可见光图像
（b）红外图像
(c)Petrovi方法
（d）本章方法
两种方法均有效地利用了精确度较高的像素级图像
融合规则，但Petrović方法融合结果图的结构出现了一
定的失真，特别是对于反差较大的红外和可见光图像， 其融合结果图中出现了较多的纹波（如“OCTEC”字的 周围），相比之下本章方法的融合结果图则较为清晰， 边缘特征更为明显(如右侧楼宇的窗户），因此从融合结
果和性能指标来看，本章方法的结构失真更小，更符合
人眼的视觉特性。
5 总结
本文重点研究了的是基于小波变换的像 素级图像融合，内容涉及了图像融合的概 念、融合的目的和意义、融合图像的基本 特点和应用领域、图像融合的层次和算法 、图像预处理、图像融合的性能评价、基 于边缘的多分辨率图像融合图像融合等。
m 'L , n 'K
p ( m ' , n ' ) D ( m m ' , n n ' ) D j,A j , B ( m m' , n n' )
决策模块：
1 当 M ( m , n ) T 且 a ( m , n ) a j , AB j , A j , B ( m, n) d ( m , n ) 0 当 M ( m , n ) T 且 a ( m , n ) a j j , AB j, A j , B ( m, n) 1 其它 2
2.2 Mallat算法概述
根据多分辨率理论，Mallat提出了小波分 解与重构的快速算法，即Mallat算法。
Mallat算法可避免尺度值越大，对信号的采
用就越紧密的缺点。这一算法在小波中的地
位，想到于快速傅里叶变换在经典傅里叶分
析中的地位。
3.1 多分辨率图像融合框架
yA
3. 2 各模块概述