DWT在图像融合中的应用
DWT在图像融合中的应用（课程设计）
摘要
小波分析在图像处理中有非常重要的应用，包括图像压缩，图像去噪，图像融合，图像分解，图像增强等。小波分析是傅立叶分析思想方法的发展与延拓。除了连续小波(CWT)、离散小波(DWT)，还有小波包(Wavelet Packet)和多维小波。
对于连续小波而言，尺度a、时间t和与时间有关的偏移量τ都是连续的。如果利用计算机计算，就必须对它们进行离散化处理，得到离散小波变换(DWT)。
数字图像融合是图像分析的一项重要技术，该技术在数字地图拼接、全景图、虚拟现实等领域有着重要应用。虽然Photoshop等图像处现软件提供了图像处理功能，可以通过拖放的方式进行图像拼接，但由于完全是手工操作，单调乏味，且精度不高，因此，有必要寻找一种方便可行的图像融合方法。MATLAB具有强大的计算功能和丰富的工具箱函数，例如图像处理和小波工具箱包含了大多数经典算法，并且它提供了一个非常方便快捷的算法研究平台，可让用户把精力集中在算法上而不是编程上，从而能大大提高研究效率。
关键词：小波分析；离散小波变换；图像融合；MATLAB
目录
1 课题描述 (1)
2设计原理 (2)
2.1小波分析的作用 (2)
2.2小波分析的基本理论 (3)
2.2.1从傅立叶变换到小波变换 (3)
2.2.2 连续小波变换 (4)
2.2.3离散小波变换 (6)
2.3 图像融合 (7)
2.3.1小波变换融合法 (7)
2.3.2图像融合步骤 (8)
2.4图像小波变换的MATLAB实现 (9)
2.4.1 MATLAB小波分析工具箱中有关的函数 (9)
2.4.2函数的调用 (9)
3设计过程 (10)
3.1设计内容 (10)
3.2设计程序 (10)
3.3程序运行结果及分析 (11)
总结............................................ 错误！未定义书签。参考文献.. (13)
1 课题描述
小波分析是近15年来发展起来的一种新的时频分析方法。其典型应用包括齿轮变速控制，起重机的非正常噪声，自动目标所顶，物理中的间断现象等。而频域分析的着眼点在于区分突发信号和稳定信号以及定量分析其能量，典型应用包括细胞膜的识别，金属表面的探伤，金融学中快变量的检测，INTERNET的流量控制等。从以上的信号分析的典型应用可以看出，时频分析应用非常广泛，涵盖了物理学，工程技术，生物科学，经济学等众多领域，而且在很多情况下单单分析其时域或频域的性质是不够的，比如在电力监测系统中，即要监控稳定信号的成分，又要准确定位故障信号。这就需要引入新的时频分析方法，小波分析正是由于这类需求发展起来的。对于连续小波而言，尺度a、时间t和与时间有关的偏移量τ都是连续的。如果利用计算机计算，就必须对它们进行离散化处理，得到离散小波变换(DWT)。
数字图像融合是以图像为主要研究内容的数据融合技术，是把多个不同模式的图像传感器获得的同一场景的多幅图像或同一传感器在不同时刻获得的同一场景的多幅图像合成为一幅图像的过程。由于不同模式的图像传感器的成像机理不同，工作电磁波的波长不同，所以不同图像传感器获得的同一场景的多幅图像之间具有信息的冗余性和互补性，经图像融合技术得到的合成图像则可以更全面、更精确地描述所研究的对象。正是由于这一特点，图像融合技术现已广泛地应用于军事、遥感、计算机视觉、医学图像处理等领域中。
MATLAB 是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境. MATLAB 的应用范围非常广，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。附加的工具箱（单独提供的专用 MATLAB 函数集）扩展了 MATLAB 环境，以解决这些应用领域内特定类型的问题。
本课题是利用MATLAB对于两幅图像，实现图像的离散小波变换（DWT），对系数进行可见融合，并重构图像。
2设计原理
2.1小波分析的作用
小波分析克服了短时傅立叶变换在单分辨率上的缺陷，具有多分辨率分析的特点，在时域和频域都有表征信号局部信息的能力，时间窗和频率窗都可以根据信号的具体形态动态调整，在一般情况下，在低频部分(信号较平稳)可以采用较低的时间分辨率，而提高频率的分辨率，在高频情况下(频率变化不大)可以用较低的频率分辨率来换取精确的时间定位。因为这些特定，小波分析可以探测正常信号中的瞬态，并展示其频率成分，被称为数学显微镜，广泛应用于各个时频分析领域。
小波分析的应用是与小波分析的理论研究紧密地结合在一起的。现在，它已经在科技信息领域取得了令人瞩目的成就。电子信息技术是六大高新技术中的一个重要领域，图像和信号处理又是电子信息技术领域的重要方面。现今，信号处理已经成为当代科学技术工作的重要组成部分。现在，对性质随时间稳定不变的信号，处理的理想工具仍然是傅立叶分析。但在实际应用中，绝大多数信号是非稳定的，小波分析正是适用于非稳定信号的处理工具。图像处理是针对性很强的技术，根据不同应用、不同要求需要采用不同的处理方法。采用的方法是综合各学科较先进的成果而成的，如数学、物理学、心理学、信号分析学、计算机学、和系统工程等。计算机图像处理主要采用两大类方法：一类是空域中的处理，即在图像空间中对图像进行各种处理；另一类是把空间与图像经过变换，如傅立叶变换，变到频率域，在频率域中进行各种处理，然后在变回到图像的空间域，形成处理后的图像。图像处理是“信息处理”的一个方面，这一观点现在已经为人所熟知。它可以进一步细分为多个研究方向：图片处理、图像处理、模式识别、景物分析、图像理解、光学处理等等。小波分析用在图像处理方面，主要是用来进行图像压缩、图像去噪、图像增强(包括图像钝化和图像锐化)、图像融合、图像分解。
2.2小波分析的基本理论
2.2.1从傅立叶变换到小波变换
小波分析属于时频分析的一种，传统的信号分析是建立在傅立叶变换的基础上的，由于傅立叶分析使用的是一种全局的变换，要么完全在时域，要么完全在频域，因此无法表述信号的时频局域性质，而这种性质恰恰是非平稳信号最根本和最关键的性质。为了分析和处理非平稳信号，人们对傅立叶分析进行了推广乃至根本性的革命，提出并发展了一系列新的信号分析理论：短时傅立叶变换、Gabor变换、时频分析、小波变换、分数阶傅立叶变换、线调频小波变换、循环统计量理论和调幅-调频信号分析等。其中，短时傅立叶变换和小波变换也是应传统的傅立叶变换不能够满足信号处理的要求而产生的。短时傅立叶变换分析的基本思想是：假定非平稳信号在分析窗函数g(t)的一个短时间间隔内是平稳(伪平稳)的，并移动分析窗函数，使)
g
f在不同的有限时间宽度内是平稳信
t
t
-
)
(
(τ
号，从而计算出各个不同时刻的功率谱。但从本质上讲，短时傅立叶变换是一种单一分辨率的信号分析方法，因为它使用一个固定的短时窗函数。因而短时傅立叶变换在信号分析上还是存在着不可逾越的缺陷。
小波变换是一种信号的时间—尺度分析方法，它具有多分辨率分析的特点，而且在时频两域都具有表征信号局部特征的能力，是一种窗口大小固定不边但其形状可改变，时间窗和频率窗都可以改变的时频局部化分析方法。即在低频部分具有较高的频率分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，很适合于探测正常信号中夹带的瞬态反常现象并展示其成分，所以被誉为分析信号的显微镜，利用连续小波变换进行动态系统故障检测与诊断具有良好的效果。
小波变换提出了变化的时间窗，当需要精确的低频信息时，采用长的时间窗，当需要精确的高频信息时，采用短的时间窗。小波变换用的不是时间-频率域，而是时间-尺度域。尺度越大，采用越大的时间窗，尺度越小，采用越短的时间窗，即尺度与频率成反比。
2.2.2 连续小波变换
定义：设)()(2R L t ∈ψ，其傅立叶变换为)(?ωψ
，当)(?ωψ满足允许条件(完全重构条件或恒等分辨条件)
?=R d C ωωωψψ2
)(?< ∞ (2.1) 时，我们称)(t ψ为一个基本小波或母小波。将母函数)(t ψ经伸缩和平移后得
)(1
)(,a
b t a t b a -=ψψ 0;,≠∈a R b a (2.2) 称其为一个小波序列。其中a 为伸缩因子,b 为平移因子。对于任意的函数)()(2R L t f ∈的连续小波变换为
dt a
b t t f a f b a W R b a f )()(,),(2/1,->==
??∞∞-∞
∞--=dadb a b t b a W a C t f f )(),(11)(2ψψ (2.4) 由于基小波)(t ψ生成的小波)(,t b a ψ在小波变换中对被分析的信号起着观测窗的作用，所以)(t ψ还应该满足一般函数的约束条件
?
∞∞-dt t )(ψ〈∞ (2.5) 故)(?ωψ
是一个连续函数。这意味着，为了满足完全重构条件式，)(?ωψ在原点必须等于0，即 0)()0(?==?∞
∞-dt t ψψ (2.6) 为了使信号重构的实现在数值上是稳定的，处理完全重构条件外，还要求小波)(t ψ的傅立叶变化满足下面的稳定性条件：
∑∞∞--≤≤B A j 2
)2(?ωψ
(2.7)
式中0〈A ≤B 〈∞。
从稳定性条件(2.7)可以引出一个重要的概念。
定义(对偶小波) 若小波)(t ψ满足稳定性条件(2.7)式，则定义一个对偶小
波)(~t ψ
，其傅立叶变换)(?~ωψ由下式给出： ∑∞-∞=-=j j 2)2()
(*)(?~ωψωψωψ (2.8)
注意，稳定性条件(2.7)式实际上是对(2.8)式分母的约束条件，它的作用是保证对偶小波的傅立叶变换存在的稳定性。值得指出的是，一个小波的对偶小波一般不是唯一的，然而，在实际应用中，我们又总是希望它们是唯一对应的。因此，寻找具有唯一对偶小波的合适小波也就成为小波分析中最基本的问题。连续小波变换具有以下重要性质：
(1)线性性：一个多分量信号的小波变换等于各个分量的小波变换之和。
(2)平移不变性：若f(t)的小波变换为),(b a W f ，则)(τ-t f 的小波变换为),(τ-b a W f 。
(3)伸缩共变性：若f(t)的小波变换为),(b a W f ，则f(ct)的小波变换为0),,(1>c cb ca W c
f 。 (4)自相似性：对应不同尺度参数a 和不同平移参数b 的连续小波变换之间是自相似的。
(5)冗余性：连续小波变换中存在信息表述的冗余度。
小波变换的冗余性事实上也是自相似性的直接反映，它主要表现在以下两个方面：
(1)由连续小波变换恢复原信号的重构分式不是唯一的。也就是说，信号f(t)的小波变换与小波重构不存在一一对应关系，而傅立叶变换与傅立叶反变换是一一对应的。
(2)小波变换的核函数即小波函数)(,t b a ψ存在许多可能的选择(例如，它们可以是非正交小波、正交小波、双正交小波，甚至允许是彼此线性相关的)。
小波变换在不同的(a ，b)之间的相关性增加了分析和解释小波变换结果的困难，因此，小波变换的冗余度应尽可能减小，它是小波分析中的主要问题之一。
2.2.3离散小波变换
在实际运用中，尤其是在计算机上实现时，连续小波必须加以离散化。因此，有必要讨论连续小波)(,t b a ψ和连续小波变换),(b a W f 的离散化。需要强调指出的是，这一离散化都是针对连续的尺度参数a 和连续平移参数b 的，而不是针对时间变量t 的。这一点与我们以前习惯的时间离散化不同。在连续小波中，考虑函数： )()(2/1,a
b t a t b a -=-ψψ (2.8) 这里R b ∈，+∈R a ，且0≠a ，为方便起见，在离散化中，总限制a 只取正值，这样相容性条件就变为
∞<=?∞
ωω
ωψψd C 0)(? (2.9) 通常，把连续小波变换中尺度参数a 和平移参数b 的离散公式分别取作000,b ka b a a j j ==，这里Z j ∈，扩展步长10≠a 是固定值，为方便起见，总是假定10>a (由于m 可取正也可取负，所以这个假定无关紧要)。所以对应的离散小波函数)(,t k j ψ即可写作
)()()(002/00
002
/0,kb t a a a b ka t a t j j j j j k j -=-=---ψψψ (2.10) 而离散化小波变换系数则可表示为
f dt t t f C k j k j =<=?∞
∞-)()(*
,,ψ (2.11) 其重构公式为
∑∑∞∞-∞
∞-=)()(,,t C C t f k j k j ψ (2.12)
C 是一个与信号无关的常数。然而，怎样选择0a 和0b ，才能够保证重构信号
的精度呢？显然，网格点应尽可能密(即0a 和0b 尽可能小)，因为如果网格点越稀疏，使用的小波函数)(,t k j 和离散小波系数k j C ,就越少，信号重构的精确度也就会越低。
实际计算中不可能对全部尺度因子值和位移参数值计算CWTa,b 值，加之实际的观测信号都是离散的，所以信号处理中都是用离散小波变换(DWT)。大多数情况下是将尺度因子和位移参数按2的幂次进行离散。最有效的计算方法是s ．Mallat 于1988年发展的快小波算法(又称塔式算法)。对任一信号，离散小波变换第一步运算是将信号分为低频部分（称为近似部分）和离散部分(称为细节部分)。近似部分代表了信号的主要特征。第二步对低频部分再进行相似运算。不过这时尺度因子已经改变。依次进行到所需要的尺度。除了连续小波(CWT)、离散小波(DWT)，还有小波包(Wavelet Packet)和多维小波。
2.3 图像融合
2.3.1小波变换融合法
迄今为止，数据融合方法主要是在像元级和特征级上进行的。常用的融合方法有HIS 融合法、KL 变换融合法、高通滤波融合法、小波变换融合法、金字塔变换融合法、样条变换融合法等。
在众多的图像融合技术中，基于小波变换的图像融合方法已成为现今研究的一个热点。这类算法主要是利用人眼对局部对比度的变化比较敏感这一事实，根据一定的融合规则，在多幅原图像中选择出最显著的特征，例如边缘、线段等，并将这些特征保留在最终的合成图像中。在一幅图像的小波变换中，绝对值较大的小波系数对应于边缘这些较为显著的特征，所以大部分基于小波变换的图像融合算法主要研究如何选择合成图像中的小波系数，也就是三个方向上的高频系数，从而达到保留图像边缘的目的。虽然小波系数(高频系数)的选择对于保留图像的边缘等特征具有非常主要的作用，但尺度系数(低频系数)决定了图像的轮廓，正确地选择尺度系数对提高合成图像的视觉效果具有举足轻重的作用。
本课题是一种基于小波变换的图像融合算法，在考虑小波系数选择规则的前提下，还重点研究了尺度系数的选择方案。小波系数的选择基于绝对值最大的原
则，并对选择方案的一致性进行了验证。所谓的一致性指的是对于空间某像素点，其小波系数的选择方案应和其邻近点一致。本课题的算法是用于两幅图像或多幅图像的融合，这个算法较好地保持了图像的边缘，具有较好的视觉效果。
小波变换融合法就是利用离散的小波变换，将N 幅待融合的图象的每一幅分解成M 幅子图象，然后在每一级上对来自N 幅待融合图象的M 幅子图象进行融合，得到该级的融合图象。在得到所有M 级的融合图象后，实施逆变换得到融合结果。
2.3.2图像融合步骤
目前国内外己有大量图像融合技术的研究报道，不论应用何种技术方法，必须遵守的基本原则是两张或多张图像上对应的每一点都应对位准确。由于研究对象、目的不同，图像融合方法亦可多种多样，其主要步骤归纳如下:
(1) 预处理:对获取的两种图像数据进行去噪、增强等处理，统一数据格式、图像大小和分辨率。对序列断层图像作三维重建和显示，根据目标特点建立数学模型;
图2.1 图像融合步骤示意图
(2) 分割目标和选择配准特征点:在二维或三维情况下，对目标物或兴趣区进行分割。选取的特点应是同一物理标记在两个图像上的对应点，该物理标记可以是人工标记，也可以是人体解剖特征点;
(3 )利用特征点进行图像配准:可视作两个数据集间的线性或非线性变换，使变换后的两个数据集的误差达到某种准则的最小值; 图像1
图像2 图像n 融合算
法 融合运
算 新的子图
像
融合逆算法 融合后图像
子图像系数1 子图像系数2 子图像系数n
(4) 融合图像创建:配准后的两种模式的图像在同一坐标系下将各自的有用信息融合表达成二维或三维图像;
(5) 参数提取:从融合图像中提取和测量特征参数，定性、定量分析。
2.4图像小波变换的MATLAB实现
2.4.1 MATLAB小波分析工具箱中有关的函数
1）dwt:一维离散小波变换；idwt:一维离散小波反变换
2）dwt2:二维离散小波变换；idw2t:二维离散小波反变换
3）wavedec2:二维信号的多层小波分解；waverec2:二维信号的多层小波重构4）wcodemat:对数据矩阵进行伪彩色编码
5）wrcoef2:由多层小波分解重构某一层的分解信号
6）upcoef2:由多层小波分解重构近似分量或细节分量
5）detcoef2:提取二维信号小波分解的细节分量
5）appcoef2:提取二维信号小波分解的近似分量
2.4.2函数的调用
1）wavedec2函数
格式：［C, S］ = wavedec2 (X, N,′wname′)
［C, S］ = wavedec2 (X, N, Lo_D, Hi_D)
说明：［C, S］ = wavedec2 (X, N,′wname′)使用小波基函数′wname′对二维信号X进行N层分解;［C, S］ = wavedec2 (X, N, Lo_D, Hi_D)使用指定的分解低通和高通滤波器Lo_D和Hi_D分解信号X。其中C为全部分解的频率系数，S为各尺度下分解的频率系数的长度。
2）waverec2函数
格式：X = waverec2 (C, S,′wname′)
X = waverec2 (C, S, Lo_R, Hi_R)
说明：X = waverec2 (C, S,′wname′)由多层二维小波分解的结果C、S重构原始信号X,′wname′为使用的小波基函数；X = waverec2 (C, S, Lo_R, Hi_R)
使用重构低通和高通滤波器Lo R和Hi R重构原信号。
3设计过程
3.1设计内容
对于两幅图像，实现图像的离散小波变换（DWT），对系数进行可见融合，并重构图像
3.2设计程序
A=imread('heben.jpg');
B=imread('lena.bmp');
E=A;
F=B;
for i=1:256
for j=1:256
if (B(i,j)>100)
B(i,j)=1.2*B(i,j);
else
B(i,j)=0.5*B(i,j);
end
end
end
[c1,s1]=wavedec2(A,2,'sym4');
[c2,s2]=wavedec2(B,2,'sym4');
c=c1+c2;
d=0.5*c
M=waverec2(c,s1,'sym4');
N=waverec2(d,s1,'sym4');
figure;
subplot(231),imshow(E);title('原始图像1');
subplot(232),imshow(A);title('小波变换后1');
subplot(233),imshow(F);title('原始图像2');
subplot(234),imshow(B);title('小波变换后2');
subplot(235),imshow(M,[]);title('融合后的图像1');
subplot(236),imshow(N,[]);title('融合后的图像2');
3.3程序运行结果及分析
原始图像1小波变换后1原始图像2
小波变换后2融合后的图像1融合后的图像2
图3.1 程序运行结果
小波变换用于图像融合有很多优点，图像经小波分解后，不同分辨率的细节信息互不相关，这样可以将不同频率范围内的信息分别组合，产生多种具有不同特征的融合图像。图像在不同分辨率水平上的能量和噪声互不干扰，融合图像的块状伪影容易消除等。缺点是融合图像基本保持了原图的光谱特性，但图像的空间细节表现能力不高，整个图像比较昏暗，边缘特性不是很明显，增强效果不突出。
本设计对于原始图像均进行了离散小波变换，并对系数进行了不同程度的融合，从融合后的图像可以看出，图像2比图像1更亮些，改变融合系数的程度，可以得到不同效果的图像，以此达到不同的要求。
参考文献
[1]曹雪虹，张宗橙. 信息论与编码.北京：清华大学出版社，2007.
[2]陈怀堔，吴大正，高西全.MATLAB及在电子信息课程中的应用.北京：电子工业出版社，2006.
[3]求是科技.MATLAB 7.0从入门到精通.北京：人民邮电出版社，2006.
[4]王慧琴. 数字图像处理.北京：北京邮电大学出版社，2007.
遥感图像融合方法比较
1 绪论 1.1研究目的及意义 20世纪90年代中后期以后，搭载许多新型传感器的卫星相继升空，使得同一地区的遥感数据影像数目不断增多。如何有效地利用这些不同时相、不同传感器、不同分辨率的遥感数据便成为了遥感工作者研究的瓶颈问题，然而解决这一问题的关键技术就是遥感影像数据融合。 遥感数据融合就是对多个遥感器的图像数据和其他信息的处理过程，它着重于把那些在空间或时间上冗余或互补的多源数据，按一定法则（算法）进行处理，获得比单一数据更精确、更丰富的信息，生成一幅具有新的空间、波谱和时间特征的合成图像。 遥感是不同空间、时间、波谱、辐射分辨率提供电磁波谱不同谱段的数据。由于成像原理不同和技术条件的限制，任何一个单一遥感器的遥感数据都不能全面的反映目标对象的特征，也就是有一定的应用范围和局限性。各类非遥感数据也有它自身的特点和局限性。影像数据融合技术能够实现数据之间的优势互补，也能实现遥感数据与地理数据的有机结合。数据融合技术是一门新兴的技术，具有十分广阔的应用前景。所以，研究遥感影像数据融合方法是非常必要的。 1.2研究现状及发展的趋势 1.2.1研究现状 20世纪美国学者提出“多传感器信息融合”的概念认为在多源遥感影像数据中能够提取出比单一遥感影像更丰富、更有效、更可靠的信息。之后由于军事方面的要求，使得遥感影像数据融合技术得到了很大的发展，美、英，德等国家已经研制出了实用的遥感数据融合处理的系统和软件，同时进行了商业应用。 1）、融合结构 融合的结构可分为两类：集中式和分布式。集中式融合结构：各传感器的观测数据直接被送到中心，进行融合处理，用于关联、跟踪、识别等。分布式融合结构：每个传感器独立完成关联、识别、跟踪，然后由融合中心完成配准、多源关联的融合。 2）、融合的层次 图像融合可分为：像元级融合、特征级融合和决策级融合。 像元级融合是最低级的信息融合，可以在像素或分辨单位上进行，又叫做数据级融合。它是对空间配准的遥感影像数据直接融合，然后对融合的数据进行特征提取和属性说明。 特征级融合是由各个数据源中提取特征信息进行综合分析和处理的过程，是中间层次的融合。特征级融合分为目标状态信息融合和目标特征融合。 决策级融合是在信息表示的最高层次上进行融合处理。首先将不同传感器观测同一目标获得的数据进行预处理、特征提取、识别，以建立对所观测目标的初步理论，然后通过相关处理、决策级融合判别，最终获得联合推断结果，从而为决策提供依据。
像素级图像融合讲解
山东大学（威海）毕业论文 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：201100800668 学院：机电与信息工程学院 专业：自动化 年级2011级 指导教师：孙甲冰
目录 摘要 (4) Abstract (5) 第一章绪论 (1) 1.1课题背景及来源 (1) 1.2图像融合的理论基础和研究现状 (1) 1.3图像融合的应用 (1) 1.4图像融合的分类 (1) 第二章像素级图像融合的预处理 (3) 2.1图像增强 (3) 2.2图像校正 (6) 2.3图像配准 (6) 第三章像素级图像融合的方法综述 (8) 3.1加权平均图像融合方法 (8) 3.2 HIS空间图像融合方法 (8) 3.3 主成分分析图像融合方法 (8) 3.4 伪彩色图像融合方法 (9) 第四章基于小波变换的像素级图像融合概述 (10) 4.1 小波变换的基本理论 (10) 4.2 基于小波变换的图像融合 (11) 4.3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研究总结与展望 (19) 参考文献 (20) 谢辞................................. 错误！未定义书签。
摘要 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提供更准确、全面、可依赖的图像信息。本文的主要工作是针对像素级的图像融合所展开的。 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、
多聚焦图像融合方法综述
多聚焦图像融合方法综述 摘要：本文概括了多聚焦图像融合的一些基本概念和相关知识。然后从空域和频域两方面将多聚焦图像融合方法分为两大块，并对这两块所包含的方法进行了简单介绍并对其中小波变换化法进行了详细地阐述。最后提出了一些图像融合方法的评价方法。 关键词：多聚焦图像融合；空域；频域；小波变换法；评价方法 1、引言 按数据融合的处理体系，数据融合可分为：信号级融合、像素级融合、特征级融合和符号级融合。图像融合是数据融合的一个重要分支，是20世纪70年代后期提出的概念。该技术综合了传感器、图像处理、信号处理、计算机和人工智能等现代高新技术。它在遥感图像处理、目标识别、医学、现代航天航空、机器人视觉等方面具有广阔的应用前景。 Pohl和Genderen将图像融合定义为：“图像融合是通过一种特定的方法将两幅或多幅图像合成一幅新图像”，其主要思想是采用一定的方法，把工作于不同波长范围、具有不同成像机理的各种成像传感器对同一场景成像的多幅图像信息合成一幅新的图像。 作为图像融合研究重要内容之一的多聚焦图像融合，是指把用同一个成像设备对某一场景通过改变焦距而得到的两幅或多幅图像中清晰的部分组合成一幅新的图像，便于人们观察或计算机处理。图像融合的方法大体可以分为像素级、特征级、决策级3中，其中，像素级的图像融合精度较高，能够提供其他融合方法所不具备的细节信息，多聚焦融合采用了像素级融合方法，它主要分为空域和频域两大块，即： （1）在空域中，主要是基于图像清晰部分的提取，有梯度差分法，分块法等，其优点是速度快、方法简单，不过融合精确度相对较低，边缘吃力粗糙； （2）在频域中，具有代表性的是分辨方法，其中有拉普拉斯金字塔算法、小波变换法等，多分辨率融合精度比较高，对位置信息的把握较好，不过算法比较复杂，处理速度比较慢。 2、空域中的图像融合 把图像f(x,y)看成一个二维函数，对其进行处理，它包含的算法有逻辑滤波器法、加权平均法、数学形态法、图像代数法、模拟退火法等。 2.1 逻辑滤波器法 最直观的融合方法是两个像素的值进行逻辑运算,如:两个像素的值均大于特定的门限值,
图像融合的研究背景和研究意义
图像融合的研究背景和研究意义 1概述 2 图像融合的研究背景和研究意义 3图像融合的层次 像素级图像融合 特征级图像融合 决策级图像融合 4 彩色图像融合的意义 1概述 随着现代信息技术的发展，图像的获取己从最初单一可见光传感器发展到现在的雷达、高光谱、多光谱红外等多种不同传感器，相应获取的图像数据量也急剧增加。由于成像原理不同和技术条件的限制，任何一个单一图像数据都不能全面反应目标对象的特性，具有一定的应用范围和局限性。而图像融合技术是将多种不同特性的图像数据结合起来，相互取长补短便可以发挥各自的优势，弥补各自的不足，有可能更全面的反映目标特性，提供更强的信息解译能力和可靠的分析结果。图像融合不仅扩大了各图像数据源的应用范围，而且提高了分析精度、应用效果和使用价值，成为信息领域的一个重要的方向。图像配准是图像融合的重要前提和基础，其误差的大小直接影响图像融合结果的有效性。 作为数据融合技术的一个重要分支，图像融合所具有的改善图像质量、提高几何配准精度、生成三维立体效果、实现实时或准实时动态监测、克服目标提取与识别中图像数据的不完整性等优点，使得图像融合在遥感观测、智能控制、无损检测、智能机器人、医学影像(2D和3D)、制造业等领域得到广泛的应用，成为当前重要的信息处理技术，迅速发展的军事、医学、自然资源勘探、环境和土地、海洋资源利用管理、地形地貌分析、生物学等领域的应用需求更有力地刺激了图像融合技术的发展。 2 图像融合的研究背景和研究意义 Pohl和Genderen对图像融合做了如下定义：图像融合就是通过一种特定算法将两幅或多幅图像合成为一幅新图像。它的主要思想是采用一定的算法，把
高分辨率遥感图像融合方法的比较正式
包头师范学院 本科学年论文 论文题目：高分辨率遥融图像融合方法比较院系：资源与环境学院 专业：地理信息系统 学号：0912430022 姓名：郭殿繁 指导教师：同丽嘎 撰写学年：2010 至2011 学年 二零一零年十二月
摘要：目前，遥感中高分辨率全色遥感影像和低空间分辨率的多光谱遥感影像融合是影像融合技术应用的主流。本文通过对遥感影像四种融合方法的研究，并且用呼和浩特市快鸟影像图像融合举例，加深对四种融合方法的理解和理论应用，最后通过截取呼和浩特市快鸟影像的原始多波段彩色影像和原始高分辨率全色波段影像的一部分进行四种融合方法来进行精度的比较，以ENVI4.7软件作为平台，最终得出，Gram-Schmidt变换效果最好，HSV变换融合效果最差。 关键词：图像融合；PCA变换；Gram-Schmidt变换；Brovey变换；HSV变换；精度比较 Abstract: At present, the remote sensing high resolution full-color remote sensing image and low spatial resolution multi-spectral remote sensing image fusion is image fusion technology application of mainstream. This article through to four kinds of remote sensing image fusion method with the principle and analysis, and in Hohhot, fast image image fusion for example, the bird to deepen the understanding of four fusion method and theory, and finally by intercepting the original image Hohhot fast bird multichannel color image and primitive high-resolution full-color band image on the part of four fusion method for precision compared to ENVI4.7 software as a platform to finally arrive, the best effect, Schmidt transform - the worst. Fusion result transformation HSV. Key words: image fusion, PCA transform; Schmidt transform; the - Brovey transform; HSV transform; Precision；
多聚焦图像融合算法研究
本科毕业设计论文题目多聚焦图像融合算法研究 专业名称 学生姓名 指导教师 毕业时间
毕业 任务书 一、题目 多聚焦图像融合算法研究 二、指导思想和目的要求 本题目来源于科研，主要研究多聚焦图像的概念，学习多聚焦图像的常用融合算法，进而实现相关算法。希望通过该毕业设计，学生能达到： 1．利用已有的专业知识，培养学生解决实际工程问题的能力； 2．锻炼学生的科研工作能力和培养学生团队合作及攻关能力。 三、主要技术指标 1．学习多聚焦图像的特点； 2．研究多聚焦图像的融合算法； 3．实现多聚焦图像的融合。 四、进度和要求 第01周----第02周： 参考翻译英文文献； 第03周----第04周： 学习多聚焦图像的特点； 第05周----第08周： 研究多聚焦图像的融合算法； 第09周----第14周： 编写多聚焦图像的融合程序； 第15周----第16周： 撰写毕业设计论文，论文答辩。 五、主要参考书及参考资料 1.张德丰.MATLAB 数字图像处理[M].北京：机械工业出版社，201 2. 2. 敬忠良. 图像融合——理论与应用[M].北京：高等教育出版社，2010. 3. 郭雷. 图像融合[M]. 北京：电子工业出版社，2011. 4. 孙巍. 孙巍. 像素及多聚焦图像融合算法研究[D].长春：吉林大学，2008. 5. 马先喜. 多聚焦图像融合算法研究[D].无锡：江南大学，2012. 学生 指导教师 系主任 __ __ 设计 论文
摘要 图像融合是将同一对象的两个或多个图像按一定规则合成为一幅图像。其关键是抽取每幅源图像中的清晰区域，并将这些清晰区域以一定的规则融合起来，从而生成一幅清晰且信息量完整的融合图像。多聚焦图像融合的具体目标在于提高图像的空间分辨率、改善图像的几何精度、增强特征显示能力、改善分类精度、替代或修补图像数据的缺陷等。 本文概括了多聚焦图像融合的一些基本概念和相关的基本知识，对DWT分解的层数和方向子带的个数对融合结果的影响进行了初步的研究。并就加权平均法、单层DWT分解、二层及二层以上DWT分解对多聚焦图像的融合进行了算法研究和编程实现，并对这些方法的仿真结果进行了比较分析。 仿真结果表明，基于空间域的加权平均法的融合效果非常一般，在图像的细节表现力方面存在很大的不足；而基于变换域中的小波变换的低频取平均、高频取绝对值最大的融合算法在小波分解层数达到三层时，所得融合图像的性能指标，如信息熵、空间频率和清晰度都较为理想，达到了预期目的。可见多层DWT分解融合方法具有较高的应用价值，可以将其用于图片的判读分析，如指纹识别、人脸鉴别、不完整图片的复原等。 关键词：图像融合，多聚焦图像，加权平均，DWT
利用ENVI软件进行遥感图像的融合和增强实习报告
遥感图像处理实习报告 实验内容：影像融合与增强 班级：测绘1102班 学号：13 姓名： 指导老师：陈晓宁、黄远程、竞霞、史晓亮 西安科技大学 测绘科学与技术学院 二零一三年一月 实习三影像融合与增强
一、实习内容： 1.掌握ENVI中各种影像融合方法，并比较各方法的优缺点； 2.熟悉ENVI图像增强操作； 3.本实习的数据源为上节已经过校正的资源三号多光谱和全色影像。 二、实习目的： 1.了解和认识各种图像融合方法的原理、内容及要点； 2.熟悉、熟练操作ENVI软件中各种图像融合的方法、步骤并学会加以比较； 3.学习利用ENVI软件进行各种图像增强处理操作； 4.学会定性、定量分析比较图像融合的差异。 三、实习步骤： 1.图像融合： 三波段融合： HSV和Color Normalized (Brovey)变换： 1）从ENVI主菜单中，选择File → Open Image File，分别加载校正后的资源三号多光谱与全色影像到可用波段列表Available Bands List中； 2）选择多光谱3,2,1波段（可以根据需要选择）对应R，G，B，点击Load RGB将多光谱影像加载到显示窗口display#1； 3）在ENVI的主菜单选择Transform → Image Sharpening → HSV； 4）在Select Input RGB Input Bands对话框中，选择Display #1，然后点击OK。 5）从High Resolution Input File对话框中选择全色影像，点击OK。 6）从HSV Sharpening Parameters对话框中，选择重采样方法，并输入输出路径和文件名，点击OK。即可完成HSV变换融合；
遥感影像融合处理方法
遥感影像融合处理方法 摘要：本文介绍了遥感影像数据融合技术，并给出了融合的一些基本理论、融合处理一般步骤以及常用融合处理方法，最后简要描述了融合评价的方式方法等。 关键词：遥感影像融合融合评价 1、前言 将高分辨率的全色遥感影像和低分辨率的多光谱遥感影像进行融合，获得色彩信息丰富且分辨率高的遥感融合影像的过程，成为遥感影像融合。全色影像一般具有较高空间分辨率，多光谱影像光谱信息较丰富，为提高多光谱影像的空间分辨率，可以将全色影像融合进多光谱影像。通过影像融合既可以提高多光谱影像空间分辨率，又能保留其多光谱特性。 2、遥感影像融合一般步骤 遥感影像信息融合一般流程主要分为两个阶段：图像预处理，图像融合变换。 图像预处理主要包括：几何校正及影像配准。几何校正主要在于去除透视收缩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随机因素对成像结果一致性的影响；影像配准的目的在于消除由不同传感器得到的影像在拍摄角度、时相及分辨率等方面的差异。 3 常用融合方式 3.1 IHS融合 IHS（亮度I、色度H、饱和度S）变换就是将影像从RGB彩色空间变换到IHS空间来实现影像融合的一种方法。由光学、热红外和雷达(微波)等方式得到的不同波段遥感数据，合成的RGB颜色空间是一个对物体颜色属性描述系统，而IHS色度空间提取出物体的亮度、色度、饱和度，它们分别对应每个波段的平均辐射强度、数据向量和的方向及其等量数据的大小。RGB颜色空间和IHS 色度空间有着精确的转换关系。IHS变换法只能用三个波段的多光谱影像融合和全色影像融合。 3.2 小波融合 小波变换，基于遥感影像的频域分析进行的，由于同一地区不同类型的影像，低频部分差别不大，而高频部分相差很大，通过小波变换对变换区实现分频，在分频基础上进行遥感影像的融合，常用于雷达影像SAR与TM影像的融合。
ENVI中的融合方法
ENVI下的图像融合方法 图像融合是将低空间分辨率的多光谱影像或高光谱数据与高空间分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感的图像处理技术，使得处理后的影像既有较高的空间分辨率，又具有多光谱特征。图像融合的关键是融合前两幅图像的精确配准以及处理过程中融合方法的选择。只有将两幅融合图像进行精确配准，才可能得到满意的结果。对于融合方法的选择，取决于被融合图像的特征以及融合目的。 ENVI中提供融合方法有： ?HSV变换 ?Brovey变换 这两种方法要求数据具有地理参考或者具有相同的尺寸大小。RGB输入波段必须为无符号8bit数据或者从打开的彩色Display中选择。 这两种操作方法基本类似，下面介绍Brovey变换操作过程。 （1）打开融合的两个文件，将低分辨率多光谱图像显示在Display中。 （2）选择主菜单-> Transform -> Image Sharpening->Color Normalized (Brovey)，在Select Input RGB对话框中，有两种选择方式：从可用波段列表中和从Display窗口中，前者要求波段必须为无符号8bit。 （3）选择Display窗口中选择RGB，单击OK。 （4） Color Normalized (Brovey)输出面板中，选择重采样方式和输入文件路径及文件名，点击OK输出结果。 对于多光谱影像，ENVI利用以下融合技术： ?Gram-Schmidt ?主成分（PC）变换 ?color normalized (CN)变换 ?Pan sharpening 这四种方法中，Gram-Schmidt法能保持融合前后影像波谱信息的一致性，是一种高保真的遥感影像融合方法；color normalized (CN)变换要求数据具有中心波长和FWHM，；Pansharpening融合方法需要在ENVI Zoom中启动，比较适合高分辨率影像，如QuickBird、IKONOS等。 这四种方式操作基本类似，下面介绍参数相对较多的Gram-Schmidt操作过程。 （1）打开融合的两个文件。
遥感图像融合质量评价方法
遥感图像融合质量评价方法 武坚李崇伟王积武李相全 (68011部队甘肃兰州 730020) 摘要：图像融合可为摄影测量与遥感提供高质量的遥感融合图像。遥感融合图像质量如何是图像使用者关心的一个重要问题。本文运用主观评价、客观评价、几何质量等三种评价方法对融合后的遥感图像的质量展开讨论。实践表明这些评价方法能够保证融合后图像高质量地应用于摄影测量与遥感生产。 关键词：主观评价客观评价几何质量质量评价 1．前言 摄影测量与遥感[1]是以数字影像为基础，来确定被摄物体的形状、大小、空间位置及其性质。遥感图像是摄影测量与遥感最原始、最基本的资料。高质量的遥感图像是完成摄影测量与遥感的基础。遥感影像融合[2]是将多传感器、多时相、多光谱和多分辨率影像的各自局部优势信息整合处理，以提供高分辨率、多光谱的单一图像，解决遥感影像解译过程中信息不足的问题。由此看出，图像融合可以为摄影测量与遥感提供高质量的遥感影像。 2．图像融合的评价方法 当前对融合后图像的质量评价主要是主观目视与统计相关信息参数相结合的办法，即：利用目视效果和信息熵、清晰度、平均梯度、偏差指数、均方根误差等参数统计分析，而对融合后图像的几何量测性则关注较少。对于摄影测量与遥感应用，几何精度是一个很重要的因素。本文结合摄影测量与遥感应用角度，来对分析融合后图像的质量做出评价。 站在通用图像处理角度，目前大多数对影像质量评价分为主观评价和客观评价，并结合起来使用。主观评价是通过目视观察进行分析，客观评价是利用图像的统计参数进行判定。严格意义上讲，融合图像的主客观评价应该是一致的，即图像的统计参数特征应该符合人眼的目视感觉。但由于遥感图像融合具有特殊性，它不仅仅要求提高融合图像的空间分辨率，而且要尽可能制约[2]。因此，对遥感融合图像的质量评价，应综合考虑空间细节的增强和光谱保持原始图像的光谱特征。此外，这两个要求在很大程度上是不太相容，相互信息的保持两个方面，利用图像的统计参数结合目视观察来分析与评价。 对于摄影测量与遥感而言，影像的几何质量（影像的可量测性）是很重要的一个因素，它将决定融合图像能否达到数字地形图生产的精度限差[4]。因此，从主观、客观、几何质量等三个方面对做出质量评价可以保证融合后图像高质量地应用于摄影测量与遥感生产。
实验五 遥感图像的融合
实验五遥感图像的融合 一、实验目的和要求 1.理解遥感图像的融合处理方法和原理； 2.掌握遥感图像的融合处理，即分辨率融合处理。 二、设备与数据 设备：影像处理系统软件 数据：TM SPOT 数据 三、实验内容 多光谱数据与高分辨率全色数据的融合。 分辨率融合是遥感信息复合的一个主要方法，它使得融合后的遥感图象既具有较好的空间分辨率，又具有多光谱特征，从而达到增强图象质量的目的。 注意：在调出了分辨率融合对话框后，关键是选择融合方法，定义重采样的方法。 四、方法与步骤 融合方法有很多，典型的有HSV、Brovey、PC、CN、SFIM、Gram-Schmidt 等。ENVI 里除了SFIM 以外，上面列举的都有。 HSV 可进行RGB 图像到HSV 色度空间的变换，用高分辨率的图像代替颜色亮度值波段，自动用最近邻、双线性或三次卷积技术将色度和饱和度重采样到高分辨率像元尺寸，然后再将图像变换回RGB 色度空间。输出的RGB 图像的像元将与高分辨率数据的像元大小相同。 打开ENVI,在主菜单中打开数据文件LC81200362016120LGN00_MTL 选择File>data manage，任意选择3个波段组合，查看效果
打开分辨率为30和15的图像
下图分别是分辨率为30、15的，可以看到图像清晰度明显发生改变，分辨率越高，图像越清晰
下面进行融合 点击工具栏中的Image Sharpening>Gram-Schmidt Pan Sharpening，在对话框中点击Spectral Subset…改变其波段 选择如下图所示的三个波段
三种图像融合方法实际操作与分析
摘要：介绍了遥感影像三种常用的图像融合方式。进行实验，对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像，简要分析比较三种图像融合方式的各自特点，择出本次实验的最佳融合方式。 关键字：遥感影像；图像融合；主成分变换；乘积变换；比值变换；ERDAS IMAGINE 1. 引言 由于技术条件的限制和工作原理的不同，任何来自单一传感器的信息都只能反映目标的某一个或几个方面的特征，而不能反应出全部特征。因此，与单源遥感影像数据相比，多源遥感影像数据既具有重要的互补性，也存在冗余性。为了能更准确地识别目标，必须把各具特色的多源遥感数据相互结合起来，利用融合技术，针对性地去除无用信息，消除冗余，大幅度减少数据处理量，提高数据处理效率；同时，必须将海量多源数据中的有用信息集中起来，融合在一起，从多源数据中提取比单源数据更丰富、更可靠、更有用的信息，进行各种信息特征的互补，发挥各自的优势，充分发挥遥感技术的作用。[1] 在多源遥感图像融合中，针对同一对象不同的融合方法可以得到不同的融合结果，即可以得到不同的融合图像。高空间分辨率遥感影像和高光谱遥感影像的融合旨在生成具有高空间分辨率和高光谱分辨率特性的遥感影像，融合方法的选择取决于融合影像的应用，但迄今还没有普适的融合算法能够满足所有的应用目的，这也意味着融合影像质量评价应该与具体应用相联系。[2] 此次融合操作实验是用三种不同的融合方式（主成分变换融合，乘积变换融合，比值变换融合），对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多
光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像。 2. 源文件 1 、 imagerycolor.tif ，SPOT图像，分辨率10米，有红、绿、两个红外共四个波段。 2 、imagery-5m.tif ，SPOT图像，分辨率5米。 3. 软件选择 在常用的四种遥感图像处理软件中，PCI适合用于影像制图，ENVI在针对像元处理的信息提取中功能最强大，ER Mapper对于处理高分辨率影像效果较好，而ERDAS IMAGINE的数据融合效果最好。[3] ERDAS IMAGINE是美国Leica公司开发的遥感图像处理系统。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具。 2012年5月1日，鹰图发布最新版本的ERDAS IMAGINE，所有ERDAS 2011软件用户都可以从官方网站上下载最新版本 ERDAS IMAGINE 11.0.5. 新版本包括之前2011服务包的一些改变。相比之前的版本，新版本增加了更多ERDAS IMAGINE和GeoMedia之间的在线联接、提供了更为丰富的图像和GIS产品。用户使用一个单一的产品，就可以轻易地把两个产品结合起来构建一个更大、更清
图像融合开题报告2
齐鲁工业大学 毕业设计(论文)开题报告题目：图像拼接技术研究—图像融合 院（系）电气工程与自动化学院 专业电子信息工程 班级电子12-1 姓名泳麟 学号 201202031022 导师玉淑 2016年 4月 20 日
5.主要参考文献： [5] Blinn J F.Light reflection functions for simulation of clouds and dusty surfaces[C]//Proceedings of SIGGRAPH，1982：21-29. [6] Max N.Optical models for direct volume rendering[J].IEEE Transactions on Visualization and Computer Graphics，1995，1： 99-108. [7] Max N.Light diffusion through clouds and haze[C]//Computer Vision，Graphics，and Image Processing，1986：280-292. [8] 尤赛，福民.基于纹理映射与光照模型的体绘制加速算法[J]. 中国图象图形学报，2003，8（9）. [3] Chao R，Zhang K，Li Y J.An image fusion algorithm using wavelet transform[J].Area Electronical Sinica，2004，32：750-753. [4] Hill P，Canagarajah N，Bull D.Image fusion using complex wavelets[C]//British Machine Vision Conference，Cardif，2002. [5] 梁栋，瑶，敏，等.一种基于小波-Contourlet 变换的多聚焦图像 融合算法[J].电子学报，2007，35（2）：320-322. [6] 杰，龚声蓉，纯平.一种新的基于小波变换的多聚焦图像融合 算法[J].计算机工程与应用，2007，43（24）：47-49. [7] 福生.小波变换的工程分析与应用[M].：科学，1999. [8] 敏，小英，毛捷.基于邻域方差加权平均的小波图像融合[J].国 外电子测量技术，2008，27（1）：5-7. [9] 楚恒，杰，朱维乐.一种基于小波变换的多聚焦图像融合方法[J]. 光电工程，2005，32（8）：59-63. [10] 王丽，卢迪，吕剑飞.一种基于小波方向对比度的多聚焦图像融合 方法[J].中国图象图形学报，2008，13（1）：145-150. （上接196页） 康健超，康宝生，筠，等：一种改进的基于 GPU 编程的光线投射算法 201
(完整版)遥感图像融合技术的发展现状
遥感图像融合技术的发展现状及趋势 1 引言 多源图像融合属于多传感器信息融合的范畴, 是指将不同传感器获得的同一景物的图像或同一传感器在不同时刻获得的同一景物的图像, 经过相应处理后, 再运用某种融合技术得到一幅合成图像的过程。多幅图像融合可克服单一传感器图像在几何、光谱和空间分辨率等方面存在的局限性和差异性, 提高图像的质量, 从而有利于对物理现象和事件进行定位、识别和解释。与单源遥感图像相比, 多源遥感图像所提供的信息具有冗余性、互补性和合作性。因此,将多源遥感图像各自的优势结合应用, 获得对环境正确的解译是极为重要的。多源遥感图像融合则是富集这些多种传感器遥感信息的最有效途径之一,是现代多源数据处理和分析中非常重要的一步。本文基于遥感图像融合的研究现状、分析了图像融合研究的困境和不足, 最后提出了未来的发展趋势和热点, 以期达到抛砖引玉的作用。 2 遥感图像融合研究现状 随着信息科学技术的发展, 在20 世纪七八十年代诞生了一个称为数据融合的全新概念。这一概念不断扩展, 处理的对象由一般的数据发展到数字图像。1979 年, Daliy 等人首先将雷达图像和LandsatMSS 图像的复合图像应用于地质解译, 被认为是最早的图像
融合。20 世纪80 年代, 图像融合技术逐渐应用到遥感图像的分析和处理中。90年代以后, 图像融合技术成为研究的热点, 并成为很多遥感图像应用的一个重要预处理环节。目前, 遥感图像融合已经发展为像素级、特征级和决策级3个层次, 如表1。需要指出的是, 融合层次并没有划分融合算法严格的界限, 因为本质上各个融合层次都是信息融合的范畴。像素级图像融合技术已被广泛研究和应用, 并取得了一定的成果。特征级融合是一种中等层次的信息融合, 利用从各个传感器图像的原始信息中提取的特征信息,进行综合分析及融合处理, 不仅增加从图像中提取特征信息的可能性, 还可能获取一些有用的复合特征, 尤其是边缘、角、纹理、相似亮度区域、相似景深区等。在特征级融合中, 对图像配准的要求不如像素级图像融合对配准要求那么严格。决策级图像融合是一种更高层次的信息融合, 其结果将为各种控制或决策提供依据。在进行融合处理前, 先对图像进行预处理、特征提取、识别或判决, 建立对同一目标的初步判决和结论, 然后对各个图像的决策进行相关处理, 最后进行决策级的融合。从特点来看,不同层次的融合各有优缺点, 难以在信息量和算法效率方面都同时满足需求。 表一:遥感图像融合三个层次的对比 融合层次融合算法特点
基于特征的图像匹配算法毕业设计论文(含源代码)
诚信声明 本人声明： 我所呈交的本科毕业设计论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人完全意识到本声明的法律结果由本人承担。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 本人签名：日期：2010 年05 月20日
毕业设计（论文）任务书 设计（论文）题目： 学院：专业：班级： 学生指导教师（含职称）：专业负责人： 1．设计（论文）的主要任务及目标 (1) 了解图象匹配技术的发展和应用情况，尤其是基于特征的图象匹配技术的发展和应用。 (2) 学习并掌握图像匹配方法，按要求完成算法 2．设计（论文）的基本要求和内容 （1）查阅相关中、英文文献，完成5000汉字的与设计内容有关的英文资料的翻译。（2）查阅15篇以上参考文献，其中至少5篇为外文文献，对目前国内外图象匹配技术的发展和应用进行全面综述。 （3）学习图象匹配算法，尤其是基于特征的图象匹配算法。 （4）实现并分析至少两种基于特征的图象匹配算法，并分析算法性能。 3．主要参考文献 [1]谭磊, 张桦, 薛彦斌．一种基于特征点的图像匹配算法[J]．天津理工大学报，2006， 22(6)，66-69． [2]甘进，王晓丹，权文．基于特征点的快速匹配算法[J]．电光与控制，2009，16(2)， 65-66． [3]王军，张明柱．图像匹配算法的研究进展[J]．大气与环境光学学报，2007，2(1)， 12-15．
图像融合算法概述
图像融合算法概述 摘要：详细介绍了像素级图像融合的原理,着重分析总结了目前常用的像素级图像融合的方法和质量评价标准,指出了像素级图像融合技术的最新进展,探讨了像素级图像融合技术的发展趋势。 关键词：图像融合; 多尺度变换; 评价标准 Abstract:This paper introduced the principles based on image fusion at pixel level in detail, analysed synthetically and summed up the present routine algorithm of image fusion at pixel level and evaluation criteria of its quality. It pointed out the recent development of image fusion at pixel level, and discussed the development tendency of technique of image fusion at pixel level. Key words:image fusion; multi-scale transform; evaluation criteria 1.引言： 图像融合是通过一个数学模型把来自不同传感器的多幅图像综合成一幅满足特定应用需求的图像的过程, 从而可以有效地把不同图像传感器的优点结合起来, 提高对图像信息分析和提取的能力[ 1] 。近年来, 图像融合技术广泛地应用于自动目标识别、计算机视觉、遥感、机器人、医学图像处理以及军事应用等领域。图像融合的主要目的是通过对多幅图像间冗余数据的处理来提高图像的可靠性; 通过对多幅图像间互补信息的处理来提高图像的清晰度。根据融合处理所处的阶段不同,图像融合通常可以划分为像素级、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。在融合的三个级别中, 像素级作为各级图像融合的基础, 尽可能多地保留了场景的原始信息, 提供其他融合层次所不能提供的丰富、精确、可靠的信息, 有利于图像的进一步分析、处理与理解, 进而提供最优的决策和识别性能. 2.图像融合算法概述 2.1 图像融合算法基本理论
☆红外图像融合
?图像识别? 文章编号：1005-0086（2000）05-0537-03 红外图像融合! 张加友，王江安1 （军事交通学院基础部，天津300161；1.海军工程大学兵器工程系，湖北武汉430033） 摘要：研究了利用拉普拉斯金字塔技术，对可见光电视和红外图像融合过程中，各个相关层的像素点值 的选取规则的不同对融合结果的影响，对比实验证明，对不同的红外图像结构，需应用不同的对应点值 的选取规则。 关键词：图像融合；图像处理；红外图像；拉普拉斯金字塔 中图分类号：TN911.73文献标识码：A Infrared Image Fusion ZHANG Jia-you，WANG Jiang-an （Miiitary Traffic Institute，Tianjin300161，China） Abstract：Photoeiectric tracking apparatus is powerfui defense eguipment on navai ship.Two important sensors were used：TV sensor and8~14!m IR sensor.It was freguentiy desirabie to combine the two images into a merged image. In this paper，the technoiogy of fusion IR images and TV images with Lapiacian Pyramid was studied.The seiecting ruie of the node vaiue from the coupie pyramid iayer was studied too.And the difference between merged the daui-IR im- ages and merged the TV and IR images was discussed. Key words：image fusion；image processing；IR image；Lapiacian Pyramid 1引言 空中运动目标的识别是空中预警系统的重要组成部分。在舰船空中预警系统中，光电跟踪仪具有重要的地位。它由可见光电视图像、激光测距、红外热像和红外跟踪点源等4个传感器组成。红外跟踪点源可以全天候红外跟踪，激光测距可准确测量目标的方位和距离；切换开关切换到电视通道，显示目标的可见光电视图像；切换开关切换到红外热像通道，显示目标的红外热图像。这样，系统可全天候工作。但在工作环境气候不佳时，如在多云情况，目标在云层穿越，在系统的两个通道切换过程中，常因切换过程长，使目标显示困难。解决问题有效办法是利用图像融合技术［1］。图像融合技术可将2幅图像有效的合成1幅图像，还能在1幅图像中显示2幅被融合图像的图像信息。将2幅图像对应的象素简单相加，会使图像信噪比降低［2］，图像出现拼接的痕 迹。图1（a）、（b）所示，为256X256像素灰度图像s!2和s!4；图1（d） 所示 图1图像简单相加与拉普拉斯图像融合 Fig.1Images pixels simply plus and Laplacian pyramid images fusion 光电子?激光第11卷第5期2000年10月 JOURNAL OF OPTOELECTRONICS?LASER Voi.11No.5Oct.2000 !收稿日期：2000-01-04修订日期：2000-05-17
像素级和特征级遥感图像融合方法研究与应用
像素级和特征级遥感图像融合方法研究与应用传感器技术的发展丰富了人类获取信息的手段,而遥感在今天已成为人类获取地面信息的最重要的方式之一。卫星遥感系统为对地观测和地球科学相关领域研究提供的遥感图像数据,类型多样同时包含了丰富的信息。 如何利用图像融合技术,对不同来源不同类型的遥感图像数据进行综合利用,准确而高效地提取图像中包含的有用信息,已成为遥感技术应用中的一个关键性问题。针对这一问题,本文展开了对遥感图像融合方法和相关理论的研究。 本文的研究工作主要包含以下三个方面的内容：1、提出一种用于实现多光谱遥感图像分辨率增强的全色锐化图像融合方法。像素级的图像融合方法以提升图像数据质量为目标,而空间分辨率则是遥感图像质量的一个重要指标。 传感器捕获辐射能量有限以及观测受到噪声信号干扰的客观条件限制,使得遥感图像的空间分辨率和光谱分辨率成为一对天然的矛盾。利用全色锐化图像融合技术,对具有高空间分辨率的全色图像和具有高光谱分辨率的多光谱图像进行融合,则可以得到同时具有高空间分辨率和高光谱分辨率的合成图像。 为得到高质量的全色锐化融合结果,本文对多光谱图像数据和全色图像数据进行线性回归,并基于标准正交变换设计一种颜色空间变换,在此基础上将成分替换与多分辨率分析的思想相结合,完成对融合方法的构造。研究中通过对比实验,验证了该融合方法性能上的优越性。 2、提出一种用于实现热红外遥感图像分辨率增强的热红外锐化图像融合方法。热红外图像提供的地表温度信息,在遥感量化分析的应用中十分关键。 热红外锐化主要通过热红外图像和可见光近红外图像间的像素级融合实现,由于热红外图像与可见光近红外图像具有不同的成像性质,使得一般的像素级图
多传感器图像融合算法研究开题报告汇总
毕业（设计）论文 开题报告 系别自动化系 专业自动化 班级 191102 学生姓名 学号 指导教师 报告日期 2015-3-30
毕业（设计）论文开题报告表 论文题目多传感器图像融合算法研究 学生姓名学号114434 指导教师 题目来源（划√）科研√生产□实验室□专题研究□ 论文类型（划√）设计□论文√其他□ 一、选题的意义 数字图像融合是将两个或者两个以上的传感器在同一时间（或不同时间）获取的关于某个具体场景的图像或者图像序列信息加以综合，以生成一个新的有关此场景的解释，而这个解释是从单一传感器获取的信息中无法得到的。图像融合的目的是减少不确定性，其作用包括：（1）图像增强。通过综合来自多传感器（或者单一传感器在不同时间）的图像，获得比原始图像清晰度更高的新图像。（2）特征提取。通过融合来自多传感器的图像更好地提取图像的特征，如线段，边缘等。（3）去噪。（4）目标识别与跟踪。（5）三维重构。 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——可视信息融合，近二十年来，引起了世界范围的广泛关注和研究。图像融合是一门综合了传感器技术、图像处理、信息处理、计算机和人工智能等多种学科的现代高新技术。图像融合的主要思想是采用一定的算法，把来自多个传感器的多幅图像综合成一幅新图像，使融合后的图像具有更高的可信度，较少的不确定性以及更好的可理解性，融合后的图像比原来的图像更加清晰可靠，易于分辨，最终得到在任何一幅单独的原始图像中无法表现的某些特征，可为分类识别系统提供更加完备的数据集。 图像融合的基本原理就是在对同一目标的采用不同传感器所获得的图像，或者同一传感器在不同时间、不同角度所获得的图像在经过像素级配准之后，利用其在信息表达上的互补性和冗余性，根据一定的融合法则合成一幅满足某种要求的新的图像。因此，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，实现多幅源图像信息的综合，已达到人们的某种需要。 最近这些年来，在军事领域与民事领域的各种各样种类繁多的需求牵引之下，