|
|
题目：
雅宝题库答案：
****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案
雅宝题库解析：
图像融合技术是把来自同一场景、不同（或同一）传感器的多幅源图像中的重要信息保留、合并成一幅融合图像，这幅融合图像包含有比单幅源图像更全面、更准确的场景信息，更利于对场景进一步的分析和处理。目前，图像融合技术已经广泛应用于战场监控、医学诊断、数码成像、遥感等领域。本文主要研究基于多尺度分解的图像融合方法。这类方法依据人眼视觉系统对细节信息的敏感特性，将图像从细到粗分解到多个尺度上，对分解后的低频能量信息和高频细节信息以不同的融合准则分别进行处理，再经多尺度重构即可得到最终的融合图像。针对基于多尺度分解的图像融合方法的研究难点，本文主要研究工作及成果如下：(1) 提出了一个基于多尺度边缘的图像配准与融合相结合的方法。在提取各源图像多尺度边缘表示后，配准、融合处理都在多尺度边缘表示上进行。由于该方法只利用一个尺度上较长的显著边缘曲线，既可减少后续处理的数据量，也可避免孤立噪声点对算法性能的影响。算法中定义的边缘相关性在配准过程中作为相似性度量，而在融合准则中作为匹配度，因此配准、融合处理存在共享数据，在一定程度上减少了计算量。实验结果表明，这种基于边缘的算法不但抑制了噪声对配准和融合结果的干扰，还在处理过程中对图像信息起到压缩作用。 (2) 提出了两个基于小波域隐马尔可夫树模型的多聚焦图像融合方法。其中一个算法用多幅源图像共同训练一个小波域隐马尔可夫树模型，且由该模型计算各图像、各尺度上小波系数为边缘的概率，并定义此概率值为新的显著性度量。由于小波域隐马尔可夫树模型能够很好地表征小波系数在尺度、位置间的相关性，因此该算法有较好的融合效果。另一个算法将源图像小波系数建模成被连续模糊因子“模糊”的真实图像小波系数与非高斯噪声之和，并由小波域隐马尔可夫树模型的基本算法估计真实图像的小波系数。该算法也具有较好的融合效果，可见连续模糊因子更符合真实的成像情况。(3) 提出了一个基于多小波系数矢量统计特性的图像融合方法。该方法以系数矢量为基本融合单位，并考虑到其高峰值、长拖尾的二维联合非高斯分布特性，使用双变量对称Alpha稳定分布模型对这种统计特性进行模拟，同时定义模型参数 和 之比作为新的显著性度量。该算法在充分利用多小波系数矢量先验统计特性的同时，也兼顾到矢量中两分量间的相关性，能够减少融合图像中伪轮廓的产生。(4) 提出了一个基于Curvelet变换自适应脉冲耦合神经网络的图像融合方法，在Curvelet变换后的各高频子带内建立脉冲耦合神经网络模型，该模型的输入激励选用表征子带图像边缘特征的支撑值，连接强度和连接范围都受到低频子带图像特征的影响，并选用各神经元的首次点火时间被作为新的显著性度量。在该融合方法中可以自适应地调节脉冲耦合神经网络模型的参数，既能充分利用脉冲耦合神经网络的全局耦合特性，又可减少实时计算参数的运算量。实验结果表明，这一方法可以得到视觉效果和客观指标都很好的融合结果。(5) 从Contourlet变换本质出发寻找提高融合质量的新方法。分析了Contourlet变换低通滤波器对图像融合算法性能和融合结果中伪轮廓的影响, 并讨论了低通滤波器与分解层数选取之间的关系。理论与实验证明：使用带宽较窄的低通滤波器可以充分发挥Contourlet变换多方向分解的优势，能够得到较好的融合结果；当低通滤波器系数均为正数时，融合图像的伪轮廓显著减少；使用合适的低通滤波器，可在选用较简单的融合准则和分解较少层数的情况下，得到很好的融合结果。 |
上一篇：某单位外部协作项目管理体系的设计与应用下一篇：光学综合孔径直接成像系统的若干关键题目的研究
|
发表于 2022-9-5 09:31:36
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
QQ登录
