原创《非下采样离散小波变换多聚焦图像融合》：本论文可用于离散小波变换论文范文参考下载，离散小波变换相关论文写作参考研究。
摘 要：图像融合在军事、医疗等领域有广泛的应用,图像融合技术是指采用特定的算法将两幅或者多幅图像融合成为一幅新的图像.针对离散小波变换图像融合算法中下采样环节在每次滤波后一半的系数被丢弃导致缺乏平移不变性,使得融合算法易受到源图像误配准影响的问题,提出了一种基于非下采样离散小波变换的图像融合算法,采用窗口融合规则,并对融合系数进行一致性检测,弥补下采样环节的不足,提高融合效果.通过对基于离散小波变换和基于非下采样离散小波算法的图像多聚焦融合仿真研究表明,非下采样离散小波变换算法具有平移不变性,而且具有较高融合图像互信息和峰值信噪比,融合效果优于离散小波变换图像融合算法.
关键词：关键字：图像融合；离散小波变换；非下采样离散小波变换
DOI：10.15938/j.jhust.2018.02.004
中图分类号： TN911.73
文献标志码： A
文章编号： 1007-2683（2018）02-0018-05
Abstract：Image fusion is widely used in military, medical and other fields. Image fusion technology is to use a specific algorithm to synthesize two or more images into a new image. Because of down sampling link of discrete wavelet transform image fusion algorithm, half of the coefficients are discarded, resulting in the lack of translation invariance. It makes the fusion algorithm easily affected by the error of source image registration. Due to these shortcomings, an image fusion algorithm based on non-sampling discrete wavelet transform is proposed and window fusion rule is also applied. The coefficient consistency detection makes up for the lack of sampling link and improve the fusion effect. Through discrete wavelet transform and non-sampling discrete wavelet algorithm are applied to image fusion respectively. Non-sampled discrete wavelet transform algorithm has translation invariance and it has high mutual information and peak signal to noise ratio of fusion image. Non-sampled discrete wavelet transform algorithm fusion effect is better than discrete wavelet transform image fusion algorithm.
Keywords：image fusion； discrete wavelet transform； non-subsampled discrete wavelet transform
0 引 言
近二十年来,图像融合技术在军事领域得到了广泛的应用.美军通过微光和多波段红外图像融合方式让其夜视技术处于世界领先的地位[1].美軍的另一个夜视融合研究项目便是研发多光谱自适应网络战术图像系统（MANTIS）,该系统可将可见光、短波和长波红外图像进行融合[2].此外,美国一些其他的军事工业企业也着力开展基于红外和可见光传感器的夜视图像融合技术[3].图像融合不仅在军事领域有广泛应用,而且遍及到众多民用应用领域.在医疗诊断过程中,图像融合技术可以把各种医学图像的信息有机地结合起来,完成多模式图像融合, 不仅可以优势互补,还有可能发现新的有价值的信息,从而帮助医生对疾病的准确诊断[4].
自从1989年Mallat提出二维小波分解后,小波变换在图像处理等领域中迅速得到了广泛的应用[5].小波变换是局域的频率变换,是将信号分解成一系列小波函数的叠加,小波函数是由母小波函数平移或伸缩得来[6].小波变换可以有效地提取信号的信息,并对信号进行多尺度分析.在图像融合领域,离散小波变换方法是重要的分析方法.离散小波变换在数字信号处理、量子物理、医学断层诊断、概率论、石油勘探、地震预报、编码理论等诸多领域有广泛的应用[7].快速傅里叶和离散小波变换算法的出现,远远超过了算法研究的范畴, 成为诸多科技领域研究的一个新的局面[8].由于经典离散小波的下采样环节使得在重构小波系数时会得到一些伪信号,而非下采样小波变换[9]具有多尺度、冗余性和平移不变性的特性,可以避免一般方法对融合图像引入的振铃效应[10].本文在采用非下采样小波变换情况下对图像的低高频系数采用系数点融合规则和窗口融合规则,并对基于这两种规则的融合图像的结果进行分析.
图1中在分解过程中,将该层的近似系数分别经过低通滤波器和高通滤波器,分别得到下一层的近似系数和细节系数.以此类推重复上面的过程,直到得到想要的分解的层数为止.图2在合成的过程中,当前的近似系数和细节系数分别通过低通滤波器和高通滤波器,然后做加法再乘以1/2即可得到上一层的近似系数.以此类推重复上面的过程,直到得到想要的原来的输入信号.
离散小波变换论文参考资料：
结论：非下采样离散小波变换多聚焦图像融合为大学硕士与本科离散小波变换毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写连续小波和离散小波方面论文范文。
