logo资料库

基于MATLAB的图像融合算法.doc

发布时间：2022-06-15 发布人：admin 分类：说明书 资料大小：2.07M 资料格式：doc 举报 版权申诉
第1页 / 共34页
第2页 / 共34页
第3页 / 共34页
第4页 / 共34页
第5页 / 共34页
第6页 / 共34页
第7页 / 共34页
第8页 / 共34页
资料共34页，剩余部分请下载后查看
    1.1 图像融合的概念
    1.2图像融合的主要研究内容
    1.3 图像融合技术的发展现状
    1.4 本文的研究工作
    第二章 图像预处理
    2.1 图像的校正
    2.2 图像滤波技术
    2.3 图像配准
    第三章 图像融合
    3.1 加权平均融合法
    3.2 像素灰度值选大/小融合方法
    3.3 主分量融合法
    3.4 IHS变换法
    3.5 小波变换融合法
    第四章 图像融合效果评价
    4.1 主观评价
    4.2 客观评价
    总结与展望
    谢辞
    参考文献
    第一章 绪论
    1.1 图像融合的概念
    1.2图像融合的主要研究内容
    1.2.1 图像融合的层次
    1.2.2 图像融合算法的发展
    1.2.3图像融合的步骤
    1.3 图像融合技术的发展现状
    1.4 本文的研究工作
    第二章 图像预处理
    2.1 图像的校正
    2.2 图像滤波技术
    2.2.1 邻域平均法
    2.2.2 中值滤波
    2.3 图像配准
    2.3.1 图像配准概述
    2.3.2 手动图像配准
    2.3.3 基于图像特征的匹配算法
    第三章 图像融合
    3.1 加权平均融合法
    3.2 像素灰度值选大/小融合方法
    3.3 主分量融合法
    3.4 IHS变换法
    3.5 小波变换融合法
    3.5.1 小波的定义及特点
    3.5.2 基于小波变换的图像融合方法原理
    3.5.3 图像融合规则及融合因子
    第四章 图像融合效果评价
    4.1 主观评价
    4.2 客观评价
    4.2.1 基于光谱特征的评价
    4.2.2 基于信息量的评价
    4.2.3 基于统计特性的评价
    4.2.4 基于信噪比的评价
    总结与展望
    谢辞
    参考文献
    毕业设计 基于 MATLAB 的图像融合算法 摘要 图像融合能够将不同类型传感器获取的同一对象的图像数据进行空间配准。并且采用 一定的算法将各图像数据所含的信息优势或互补性有机的结合起来产生新的图像数据。这 种新数据具有描述所研究对象的较优化的信息表征，同单一信息源相比，能减少或抑制对 被感知对象或环境解释中可能存在的多义性、不完全性、不确定性和误差，最大限度的利 用各种信息源提供的信息。 图像融合分为像素级、特征级、决策级三个层次，其中像素级图像融合能够提供其它 层次上的融合处理所不具有的更丰富、更精确、更可靠的细节信息，有利于图像的进一步 分析、处理和理解，它在整个图像融合技术中是最为复杂、实施难度最大的融合处理技术。 本文的研究工作是围绕像素级图像融合展开的，针对像素级图像融合技术中需要解决的关 键问题，研究了多种像素级图像融合方法。 本论文的主要的研究内容有： 首先介绍了图像信息融合的概念、优势、发展历史和应用领域，并介绍了图像融合的 三个层次及常用的空域图像融合方法,空域融合方法有像素平均法、像素最大最小法、像 素加权平均法，频域融合方法包括图像的多尺度分解、图像的小波变换、基于小波变换的 图像融合方法。图像的预处理有滤波（邻域平均滤波法、中值滤波法）和图像配准。最后， 对于图像融合系统来说，融合图像质量的评价显得特别重要，本文探讨了图像融合质量的 评价问题，总结了融合效果的主、客观评价标准，作为本课题性能分析的判断标准。 关键词：图像配准；图像融合；空域融合法；小波变换；评价标准
    基于 MATLAB 的图像融合算法 MATLAB-based image fusion algorithm Abstract The same object gotten from different sensors can be registered spatially by mage fusion. The information advantages or the complements of all the image data can be combined to produce new image data using some fusion algorithms. The new data can describe the optimized information of the studied object. Compared with single information source, the new data can reduce or restrain the ambiguity, the incompleteness, the uncertainty and the error, which may appears in the explanation of the studied object or the environment, and make full use of the information provided by all kinds of resources. Image fusion consists of such three levels as the Pixel level ， the feature level and the decision level，among which the Pixel level image fusion can Provide more abundant, accurate and reliable detailed information that doesn’t exist on the other levels and It is the most complicated in the whole image fusion techniques and also is the most difficult to implement in the fusion Processing techniques. this dissertation Progresses mainly around the Pixel level image fusion and proposes a variety of Pixel level image fusion techniques according to the key Problems in the Pixel level image fusion techniques. The major research and findings are as follows: First we introduce the concepts， advantages，developments and applications. Three levels of image fusion and image fusion techniques in common use are also reviewed. Airspace Image Fusion such as simple fusion method (pixel average, maximal or minimal pixel selection), Frequency-domain image fusion methods include the multiresolution image fusion techniques based on multi-scale pyramid decomposition, and the image fusion method based on wavelet transform Image Pre-processing like Filter processing (neighborhood average filter, median filtering method) and Image Registration. in the end, evaluation for fusion image is vital to fusion system. This dissertation probes into the image fusion quality assessment and deduces a set of indexes as the criteria to analyze the performances of this discussion. Keywords: Image Registration ； Image Fusion ； Airspace integration method ； Wavelet Transform；Evaluation criteria
    毕业设计 目录 第一章 绪论..............................................................................................................6 1.1 图像融合的概念 ........................................... 6 1.2 图像融合的主要研究内容 .................................... 7 1.2.1 图像融合的层次 ...................................... 7 1.2.2 图像融合算法的发展 .................................. 9 1.2.3 图像融合的步骤 ....................................... 9 1.3 图像融合技术的发展现状 .................................. 10 1.4 本文的研究工作 .......................................... 10 第二章 图像预处理................................................................................................11 2.1 图像的校正 .............................................. 11 2.2 图像滤波技术 ............................................ 11 2.2.1 邻域平均法 ......................................... 12 2.2.2 中值滤波 ........................................... 12 2.3 图像配准 ................................................ 13 2.3.1 图像配准概述 ....................................... 13 2.3.2 手动图像配准 ....................................... 14 2.3.3 基于图像特征的匹配算法 ..............................15
    基于 MATLAB 的图像融合算法 第三章 图像融合....................................................................................................16 3.1 加权平均融合法 .......................................... 16 3.2 像素灰度值选大/小融合方法 ................................16 3.3 主分量融合法 ............................................ 17 3.4 IHS 变换法 ............................................... 19 3.5 小波变换融合法 .......................................... 20 3.5.1 小波的定义及特点 ................................... 20 3.5.2 基于小波变换的图像融合方法原理 ......................25 3.5.3 图像融合规则及融合因子 ..............................26 第四章 图像融合效果评价....................................................................................27 4.1 主观评价 ................................................ 27 4.2 客观评价 ................................................ 27 4.2.1 基于光谱特征的评价 ..................................27 4.2.2 基于信息量的评价 ................................... 28 4.2.3 基于统计特性的评价 ..................................29 4.2.4 基于信噪比的评价 ................................... 30
    毕业设计 总结与展望..............................................................................................................31 谢辞.......................................................................................................................... 32 参考文献..................................................................................................................33
    基于 MATLAB 的图像融合算法 第一章 绪论 图像融合技术(Image Fusion Technology)作为多传感器信息融合的一个非常重要的分 支—可视信息的融合，近 20 年来，引起了世界范围内的广泛关注和研究热潮。图像融合 就是通过多幅图像冗余数据互补得到一幅新的图像，在这幅图像中能反应多重原始图像中 的信息。图像融合的目的是充分利用多个待融合源图像中包含的冗余信息和互补信息，融 合后的图像应该更适合于人类视觉感知或计算机后续处理，减少不确定性。图像融合技术 在遥感、医学、自然资源勘探、海洋资源管理、生物学等领域占有极其重要的地位，对于 国防安全和经济建设具有十分重要的战略意义。 图像融合的方法与具体的处理对象类型、处理等级有关。这主要是各类图像的解析度 不同、表现的内容不同，相应的处理方法也要根据具体情况而定。 本章首先介绍了多传感器图像融合的基础理论及发展现状，在此基础上介绍了像素级 图像融合方法的原理及应用，最后，给出论文的内容安排。 1.1 图像融合的概念 图像融合是二十世纪 70 年代后期提出的新概念，是多传感器信息中可视信息部分的融 合，是将多源信道所采集的关于同一目标图像经过一定的图像处理，提取各自信道的信息， 最后综合成统一图像或综合图像特性以供观察或进一步处理。它是一门综合了传感器、图 像处理、信号处理、显示、计算机和人工智能等技术的现代高新技术。由于图像融合系统 具有突出的探测优越性(时空覆盖宽、目标分辨力与测量维数高、重构能力好、兀余性、互 补性、时间优越性及相对低成本性等)，在技术先进国家受到高度重视并己取得相当的进展。 图像融合的形式大致可分为以下 3 种： (l)多传感器不同时获取的图像的融合； (2)多传感器同时获取的图像的融合； (3)单一传感器不同时间，或者不同环境条件下获取的图像的融合。 图像融合能够充分利用这些时间或空间上冗余或互补的图像信息，依据一定的融合算 法合成一幅满足某种需要的新图像，从而获得对场景的进一步分析、理解以及目标的检测、 识别或跟踪。以两个传感器 A、B 为例，其信息构成的示意图如图 1-1 所示。 图 1-1 多源图像的信息构成
    见/看清的特性; 补充的图像信息; 测量等; (2)改善图像的空间分辨率，增加光谱信息的含量，为改善检测/分类/理解/识别性能获取 (3)通过不同时刻的图像序列融合来检测场景/目标的变化情况; (4)通过融合多个二维图像产生具有立体视觉的三维图像，可用于三维重构或立体投影， 毕业设计 通过图像融合可以强化图像中的有用信息、增加图像理解的可靠性、获得更为精确的 结果，使系统变得更加实用。同时，使系统具有良好的鲁棒性，例如，可以增加置信度、 减少模糊性、改善分类性等。图像融合的层次可分为:像素级、特征级和决策级。 目前，将图像融合技术应用于数字图像处理的主要目的有以下几种: (1)增加图像中有用信息的含量，改善图像的清晰度，增强在单一传感器图像中无法看 (5)利用来自其它传感器的图像来代替/弥补某一传感器图像中的丢失/故障信息。 显然，图像融合技术不同于一般意义上的图像增强，它是计算机视觉、图像理解领域的 一项新技术。 1.2 图像融合的主要研究内容 1.2.1 图像融合的层次 图像融合是采用某种算法对两幅或多幅不同的源图像进行综合处理，最终形成一幅新 的图像。它可以强化图像中有用信息，增加图像理解的可靠性，获得更为准确的结果。在 各种融合应用中，由于应用目的、所处理的输入数据及融合处理前对数据预处理程度不同， 使得融合系统在不同层次上对多源数据进行处理，每个层次表示不同的数据抽象级别。根 据抽象程度可将图像融合系统分为三级：像素级、特征级和决策级。融合的层次不同，所 采用的算法、适用的范围也不相同。下图示意了在图像处理全过程中，图像融合所处的位 置与层次。 图 1-2 三个不同层次上的多源图像融合示意图
    基于 MATLAB 的图像融合算法 (1)像素级图像融 像素级图像融合是在严格配准的条件下，对各图像传感器输出的信号，直接进行信息 的综合与分析。像素级图像融合是在基础层面上进行的信息融合，其主要完成的任务是对 多传感器目标和背景要素的测量结果进行融合处理。像素级图像融合是直接在原始数据层 上进行的融合，该层次的融合准确性最高，能够提供其它层次上的融合处理所不具有的更 丰富、更精确、更可靠的细节信息，有利于图像的进一步分析、处理与理解。像素级图像 融合是目前在实际中应用最广泛的图像融合方式，也是特征级图像融合和决策级的基础， 但缺点是预处理的信息量最大，处理时间较长，对通信带宽的要求高。在进行像素级图像 融合之前，必须对参加融合的各图像进行精确的配准，其配准精度一般达到像素级，因此， 像素级融合是图像融合中最为复杂且实施难度最大的融合。 像素级图像融合通常用于:多源图像复合、图像分析和理解。 图 1-3 像素级数据融合原理示意图 (2)特征级图像融合 特征级图像融合是对源图像进行预处理和特征提取后获得的特征信息(如边缘、形状、 轮廓、区域等)进行综合。特征级融合属于中间层次的信息融合，它既保留了足够数量的重 要信息，又可对信息进行压缩，有利于实时处理。它使用参数模板、统计分析、模式相关 等方法完成几何关联、特征提取和目标识别等功能，以利于系统判决。一般从源图像中提 取的典型特征信息有:线型、边缘、纹理、光谱、相似亮度区域、相思景深区域等。在特征 级图像融合过程中，由于提取的特征直接与决策分析有关，因而融合结果能最大限度地给 出决策分析所需要的特征信息。尽管在模式识别、图像处理和计算机视觉等领域，已经对 特征提取和基于特征的图像分类、分割等问题进行了深入的研究，但是这一问题至今仍是 困扰计算机视觉研究领域的一个难题，有待于从融合角度进一步研究和提高。 图 1-4 特征级数据融合原理示意图
    分享到：
    赞 收藏

    相关推荐

    资料库

    后端

    共收录2142份资料，累计10个分类，关注成员有19位，主要包括：Perl,Docker,Delphi,VB,PHP,Java,C,C#,Python,C++

    热门标签

    Perl Docker Delphi VB PHP Java C C# Python C++

    最新资料