基于独立分量分析的像素级多传感器图像融合技术研究
多传感器论文 图像融合论文 评价标准论文 梯度互信息论文 独立分量分析论文
论文详情
近年来,伴随着科学技术的迅速发展,多传感器图像融合技术凭借其诸多优势,在工业,医学,军事,遥感等许多领域都有着重要的应用。图像融合可分为像素级融合,特征级融合以及决策级融合三个层次,本文主要研究的是像素级图像融合技术。本文先对图像融合的基本理论进行了介绍,包括有图像融合的概念,优点,应用以及层次;其次探讨了图像融合的主客观评价方法,并提出了一种基于梯度互信息的图像融合客观评价新方法;再次研究和对比了几种像素级图像融合的经典算法,通过融合四组不同类型传感器图像并采用熵,标准差,互信息,空间频率,梯度互信息5种评价指标对融合后的图像进行评价,指出了各种算法的优势和不足,同时也验证了前面提出的梯度互信息评价方法的有效性和可行性;最后介绍了基于独立分量分析的图像融合,提出了一种新的基于独立分量分析的图像融合算法,算法的基本思想是先对来自不同传感器的图像分开进行训练,从而得到各自相互统计独立的基函数,继而得出待融合图像的主要区域和背景区域,再通过一定的融合规则对变换后的独立分量分析系数进行融合,重建出融合图像,并通过实验仿真和数据分析得出本算法比其它几种经典图像融合算法具有更好的融合效果。
摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第8-14页 |
1.1 引言 | 第8页 |
1.2 图像融合技术的概念和优点 | 第8-9页 |
1.3 图像融合的应用 | 第9-10页 |
1.4 图像融合层次 | 第10-12页 |
1.5 国内外研究现状 | 第12页 |
1.6 主要研究内容和章节安排 | 第12-14页 |
第二章 图像融合的评价 | 第14-22页 |
2.1 图像融合主观评价方法 | 第14-15页 |
2.2 图像融合客观评价方法 | 第15-18页 |
2.2.1 统计特性评价方法 | 第15-16页 |
2.2.2 信息量评价方法 | 第16页 |
2.2.3 图像清晰度评价方法 | 第16-17页 |
2.2.4 信噪比评价方法 | 第17页 |
2.2.5 光谱信息评价方法 | 第17-18页 |
2.3 一种图像融合评价新方法 | 第18-21页 |
2.3.1 联合概率密度函数的估计 | 第18-19页 |
2.3.2 联合概率密度函数的构造 | 第19页 |
2.3.3 基于梯度互信息的评价方法 | 第19-21页 |
2.4 本章小结 | 第21-22页 |
第三章 像素级图像融合方法 | 第22-41页 |
3.1 基于变换域的像素级图像融合方法 | 第22-29页 |
3.1.1 拉普拉斯金字塔变换融合法 | 第22-25页 |
3.1.2 小波变换图像融合法 | 第25-27页 |
3.1.3 HIS 变换融合法 | 第27-29页 |
3.2 基于空间域的像素级图像融合方法 | 第29-31页 |
3.2.1 加权平均融合法 | 第30页 |
3.2.2 主成分分析融合法 | 第30-31页 |
3.3 融合实验与分析 | 第31-40页 |
3.3.1 红外和可见光图像的融合实验与分析 | 第32-34页 |
3.3.2 CT 和 MRI 图像的融合实验与分析 | 第34-36页 |
3.3.3 多光谱和全色图像的融合实验与分析 | 第36-38页 |
3.3.4 微光夜视和前视红外图像的融合实验与分析 | 第38-40页 |
3.4 本章小结 | 第40-41页 |
第四章 基于独立分量分析的图像融合方法 | 第41-53页 |
4.1 引言 | 第41页 |
4.2 独立分量分析的发展和研究现状 | 第41-42页 |
4.3 独立分量分析的基本理论 | 第42-44页 |
4.4 基于独立分量分析的图像融合 | 第44-52页 |
4.4.1 现有算法介绍 | 第44-45页 |
4.4.2 ICA 图像融合算法 | 第45-46页 |
4.4.3 改进算法的实现 | 第46-47页 |
4.4.4 融合实验与分析 | 第47-52页 |
4.5 本章小结 | 第52-53页 |
第五章 结论与展望 | 第53-55页 |
5.1 论文工作总结 | 第53-54页 |
5.2 存在的不足与展望 | 第54-55页 |
参考文献 | 第55-59页 |
攻读硕士学位期间发表的论文 | 第59-60页 |
致谢 | 第60页 |
论文购买
论文编号
ABS554503,这篇论文共60页
会员购买按0.30元/页下载,共需支付
18。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
30。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文