论文部分内容阅读
图像传感器技术正在飞速的发展着,图像融合技术是信息融合技术的一个分支在很多领域都得到了非常广泛的应用。图像融合就是把多幅图像中的互补信息提取出来,以获得更加清晰和可理解性很强的融合图像。由于单一传感器获得的图像信息并不全面,因此需要用图像融合技术来改善图像的视觉效果。本文所包含与研究的主要内容如下：1、本文分析了PCNN的基本模型,讲解了该模型神经元的运行方式,通过分析PCNN的特性,使我们更加了解将其用于图像融合的优势所在。2、详细介绍了双树复小波(DT-CWT Dual-tree Complex Wavelet Transform)变换的基本理论知识,说明了使用DT-CWT比使用小波变换更具优越性。首先对源图像做DT-CWT变换得到各自的高频与低频系数,进而在融合规则中,对高频系数采用“局部区域能量匹配度”的融合准则,对低频系数采用“简化的自适应PCNN”的融合准则,再经DT-CWT逆变换就能够获得融合图像。通过实验证明该算法充分利用DT-CWT良好的空间细节表现力这一优点,通过各客观评价指标值说明融合后的图像清晰度得到了显著提高。3、本文研究出一种新的HSV空间的彩色图像融合算法。首先把待融合源图像从RGB彩色空间转化为HSV彩色空间,然后把得到的各幅源图像的H分量送入S-PCNN模型,通过分析与该分量各个像素点对应S-PCNN神经元的点火次数,由判决因子决定选用哪副源图像的像素点,用以融合成新的H。对于源图像的S、V分量均用DT-CWT方法,先用DT-CWT来分解分别得到各分量的高频与低频系数,其中对高频系数采用“局部区域能量匹配度”的融合规则,低频系数采用“基于改进的梯度算子”的融合准则进行融合,再经过DT-CWT逆变换获得S、V分量的融合分量。最后对新的H、S、V分量进行HSV空间逆变换,就获得了新的融合的RGB图像。通过实验证明,这个算法获得的视觉效果与客观评价指标都比对比方法好。