像素级图像融合.docx

《像素级图像融合.docx》由会员分享，可在线阅读，更多相关《像素级图像融合.docx（25页珍藏版）》请在优知文库上搜索。

1、女Z（威海）SHANDONGUNIVERSITY,WEIHAI毕业设计（论文）设计（论文）题目像素级图像融合方法姓名：李桂楠学号：2学院：机电与信息工程学院专业：自动化年级2011级指导老师：孙甲冰摘要4Abstract5第一章绪论11.1课题背景及来源11.2图像融合的理论基础和探讨现状11.3 图像融合的应用11.4 图像融合的分类1其次章像素级图像融合的预处理32.1图像增加32.2图像校正62. 3图像配准6第三章像素级图像融合的方法综述83. 1加权平均图像融合方法83.2 H1.S空间图像融合方法83.3 主成分分析图像融合方法83.4 伪彩色图像融合方法9第四章基于小波变换的像素

2、级图像融合概述104.1 小波变换的基本理论104.2 基于小波变换的图像融合114.3 3基于小波变换的图像融合性能分析12第五章像素级图像融合方法的探讨总结与展望19参考文献20谢辞错误!未定义书签。近些年，随着科学技术的飞速发展，各种各样的图像传感器出现在人们的视野前，这种样式繁多的图像传感器在不同的成像原理和不同的工作环境下具有不同功能。而因为多传感器的不断涌现，图像融合技术也越来越多的被应用于医学、勘探、海洋资源开发、生物学科等领域.图像融合主要有像素级、决策级和特征级三个层次，而像素级图像融合作为基础能为其他层次的融合供应更精确、全面、可依靠的图像信息。本文的主要工作是针对像素级的

3、图像融合所绽开的。关键词图像融合理论基础、加权平均、图像融合方法、小波变换、AbstractInrecentyears,withtherapiddeve1.opmentofscienceandtechno1.ogy,a1.1.kindsofimagesensorappearinfrontofthepeop1.esfie1.dofvision,imagesensorinawiderangeofthissty1.eindii1.erentimagingprincip1.eandunderdifferentworkingconditionshavedifferentfunction.Andbecau

4、seofmu1.tip1.esensors,imagefusiontechno1.ogyisa1.somoreandmorebeenusedinmedica1.,exp1.oration.Marineresourcesdeve1.opment,bio1.ogica1.sciences,andotherfie1.ds,andimagefusionfornationa1.securitymorestrategicsignificancetoconstructionandeconomicdeve1.opment.Therefore,thestudyofimagefusionisanditsimpor

5、tanttheoretica1.significanceandapp1.icationprospects.Imagefusionisdividedintopixe1.1.eve1.,feature1.eve1.anddecision1.eve1.threedifferent1.eve1.s,imagefusionatpixe1.1.eve1.andasabasisforother1.eve1.soffusionprovidemoreaccurate,comprehensive,imageinformationcanbe1.azy,isadvantageoustotheimageana1.ysi

6、sandfurtherresearch.Theresearchworkofthisartic1.eisthesurroundingimagefusionatpixe1.1.eve1.Keywordsimagefusion,weightedaverage,pseudoco1.orimagefusionmethodandwave1.ettransform第一章结论1.1 课题背景及来源在现代化的农业、生活、资源管理开发、国防等方面的实际应用中，图像融合被广泛的开发应用，是较为常用的图像信息融合技术，它可以对源图像中的像索进行逐个的信息融合，尽可能保留源图像中的重要信息以得到对图像更精确、更丰富的描

7、述。为了特征级和决策级的探讨供应帮助。本章主要工作是对图像融合的理论和发展做出介绍，并在该基础上分析图像融合在实际应用前景。1.2 图像融合的理论和现状图像融合是对不同传感器所收集到的一幅或者多幅源图像进行融合，用融合技术合成同一一幅包含了多幅源图像优点、内容更加全面丰富的图像，其最早产生于20世纪70年头末，而该技术陨着实际应用中的所占比例的增大在其后的时间内有r很大的发展。虽然图像融合技术越来越多地在实际生活中得到应用，但因为该技术所覆盖领域的广泛性和该技术的多样性，探讨结果只是反映了特定的方面，而不是形成完整的体系。总而言之，其中仍有许多问题有待我们的解决和探讨。1.3 图像Ik合的应用

8、多传感器技术的提高和电子科技技术方面的提高，图像融合技术越来越多的被用于实际应用中.在民用方面，图像融合在应用各个领域遥感方面，随着遥感技术的发展，在同地区可运用越来越多不同的传感器，因此能获得不同时间段的各类遥感图像信息，国土资源规划等方面都有效的利用到该技术。在医学领域，多模医学图像融合技术已经被广泛的用于医疗诊断中，依据不同影像设备可反应出人体体征状况各有不同，弥补了原来医学单一成像的蚊点。在军事领域，随岩传感器的种类不停增多，可得到的战场信息战况越来越丰富，而有关T战场图像信息的分析也须要越来越精确，而多传感器图像融合技术则成为限制斗争态势的有效利器。1.4 图像融合的分类(1)按信息

9、表征层次分类像素级图像融合：依据某个融合规则干脆对源图像灰度进行融合。像素级图像融合是最低U次的融合，但其保留信息的实力要强于决策级和特征级,但像素级融合对配准精度的耍求也更而.特征级图像融合：在像素级的基础上提取其特征信息进行综合性分析和融合处理。特征级融合首先从各个多传感器图像中提取原始信息特征，去掉其中的虚无用特征。特征级图像融合能压缩信息，还能保留图像的复合特征，可以干脆为决策级融合分析供应帮助。决策级图像融合：是最商层次的融合，从源图像中获得特征信息并进行预处理，得出各自的决策，合并成个全局性的联合决策。决策级图像融合有较高的实时性和容错性，但是在处理过程中损失的图像信息员大，预处理

10、的要求也比较高。(2)按图像源分类同类传感涔图像融合：对同一传感器在不同成像模式卜.获得图像进行融合。异类传感器图像融合：将不同类型的并I1.彼此相互独立传感器收集到的图像进行融合。遥感图像融合：对多遥感器所获得的图像进行融合。(3)按融合方法分类基于空间域的图像融合：在像素级别上对图像干脆进行处理。其算法仃：加权平均法、主成分分析法、HIS空间法、伪彩色法等等。基于变换域的图像融合：首先对多幅源图像进行图像变换，之后在对其获得的系数按准则进行融合，再对其进行逆变换得到融合结果。常用算法有：傅里叶变换，多尺度分解等等。其次章像素级图像融合的预处理像素级图像融合是最底层的图像融合，它可以获得另外

11、两个层级不能获得的微小的源图像信息，因为要精确要像素级别，所以在图像融合前要进行预处理，例如图像的增加、校正、配准等。2.1 图像的增加图像增加是类图像预处理的技术，其目的是为了获得效果更明显、对探讨内容更加有用的图像信息.图像增加的主要方法有：1 .空间域增加2 .频率域增加。(一)空间域增加1 .线性变换和非线性变换在对图像的像元进行灰度值的变换以后，我们将会得到可视度更高、辨别率更为清楚的图像。依据变换函数分类，当变换函数为线性或者分段函数时称其为线性变换。图1线性变换灰度变换的过程可以表示为：g(x,y)=Th(x,y),射映射为T,则输入图像中的每个像素的灰度值f(x，y)可以通过该

12、映射，经过变换后得到输出图像的灰度值h(X.y).简洁的线性变换公式课定义为：g(x,y)=1_hUy)-W+c,其中，n和m分别为输入图像亮度至n-m员的最大和最小值，d和C分别是输出图像亮度重量的最大和最小值.如图1所示,在线性变换后其灰度范围明显扩大，由m,n扩展为c,d。变换后的图像中相邻像素灰度的差值增加，将有效改善图像视觉效果。线性变换效果图如F：非线性变换则可以理解为，变换函数是非线性的，则为非线性变换，它是有选择的对某一灰度范围进行扩展。指数变换和对数变换都是比较常用的非线性变换。指数变换一般公式为：Xb=be,x+c对数变换般公式为：xb=big(ax+1)+c其中，x.,和

13、阳.分别表示变换前和变换后每个像元的灰度值。a、b、c为参数。图4非线性灰度变换2 .空间增加为了达到强化图像特征信息的口的，则采纳空间增加。领域处理：对于某一图像(i，j)，对于该图像像元的集合i+m,j+n(m,n为随意整数)称为该像元的领域。由图可知g(i,j)可由f(i,j)确定，它们分别为处理前和处理后的像元值，这种处理称为领域处理。领域运算的计算表达式为：虱。J)=.r(7,J)中为对似八力像元的运兑法则.卷枳运算：在空间域上对图像做加权求和的过程。需选定一个模板。在运算前，需选定一个大小为/1x6的运算模板6(鼻力。并建立一个和模板大小相同的活动窗口f(a,A),再将模板与窗口的

14、对应的灰度值做对应运钵.得到新的窗口中心灰度值。其公式为：以”)=Efa,b)a,b)4-1将模板和窗口作相同移动后再按上式计算得出新的灰度值。依据该公式进行类推，最终获得目标图像。平滑：传感器在成像过程会存在各种客观缘由造成的误差，图像在形成过程中会出现“噪声J平滑的目的是为提i图像质量而进行的处理。锐化：锐化可突出边缘和线状口信息。(一)频率域增加在图像处理过程中，像元的灰度值随着位度改变的频繁程度用频率来表示，属于空间频率。对于边缘、线条、嗓声等特征，在短像元距离内灰度值改变频率较大，而在长像元距离内灰度值渐渐改变。须率域增加的过程如下：fix.j-三1.F(u,Y)-2-/(U1F)T

15、)gU力(三)彩色增加1.伪彩色增加一副黑白的图像在经过肯定规则的变换后得到彩色图像的过程为伪彩色增加。2,假彩色增加假彩色增加与伪彩色增加不基本相像，而它与伪彩色增加不同在于它与原波段的真实颜色不相同，它呈现出来的颜色并不是物体的真是颜色。(四)图像运兑为了达到图像增加的目的，可对图像运用代数方法进行运能。1 .加法运算是指两幅大小相同的图像对它们的像元的灰度值进行相加.若设加法运算后的图像为C(局外，两幅图像分别为4(*,川和7*,川，则加法运算公式为：fx,y=就工(,川+/；(*,力2 .差值运算差值运算是指两幅同样大小的图像对它们的灰度值进行相减。若差值运算后的图像为/；(*,川，两幅图像为小乂川和65，川，则差值运算公式为:f1.,(,y)=a(-r.y)-f2(,y)+田3 .比值运莫比值运匏是针对两幅大小相同的图像，对它们对应的像元进行除法运算。若比值运算后的图像为以J,y).两幅图像为/J(x,y)和y),则比值