基于NSDTCT域圖像融合及超分辨率重建算法研究.pdf

1、圖像融合就是將不同模式下獲得的同一場景的各種圖像數(shù)據(jù)的互補信息和冗余信息進行整合，以得到一幅對該場景更好、更準確描述的圖像;圖像超分辨率重建是對一幅或多幅具有互補信息的低分辨率圖像進行處理，以獲得分辨率相對較高的重建圖像。圖像融合及超分辨率重建是圖像的預處理，它們的處理效果對于后續(xù)的圖像檢測、紋理分析、特征提取、模式識別等有著重要的影響。因此研究圖像融合及超分辨率重建有著重要的意義。
　　小波變換具有良好的時頻局部化能力，已廣泛應

2、用于圖像處理領域。然而傳統(tǒng)的小波變換缺乏平移不變性且只有有限的方向選擇性，針對這一缺點，近些年學者們提出了一些新型的圖像稀疏表示工具，它們可以更稀疏地表示圖像的局部特征。本文首先研究了非下采樣雙樹復輪廓波及非下采樣四元數(shù)輪廓波等幾種新型圖像稀疏表示工具，并結合壓縮感知、稀疏表示以及脈沖耦合神經(jīng)網(wǎng)絡的優(yōu)勢，然后深入探討了如何將它們應用于圖像融合及超分辨率重建中，主要工作如下:
　　1.提出了一種基于非下采樣雙樹復輪廓波變換和壓縮感知

3、脈沖耦合神經(jīng)網(wǎng)絡的圖像融合算法。首先對源圖像進行非下采樣雙樹復輪廓波變換分解;對于低頻子帶系數(shù)，給出了基于區(qū)域平均梯度、區(qū)域能量和S函數(shù)相結合的自適應加權融合規(guī)則;對于數(shù)據(jù)量較大的高頻子帶系數(shù)，給出了基于壓縮感知脈沖耦合神經(jīng)網(wǎng)絡理論的融合規(guī)則，并將改進的拉普拉斯能量和作為脈沖耦合神經(jīng)網(wǎng)絡的外部輸入;最后對融合系數(shù)進行逆變換得到融合圖像。實驗結果表明，所提算法可以有效地提高圖像融合的計算效率和質(zhì)量，相比于其他經(jīng)典的圖像融合算法，可以得到較

4、優(yōu)的客觀指標，較好的視覺效果。
　　2.提出了一種基于非下采樣雙樹復輪廓波變換和稀疏表示的遙感圖像融合算法。分析了非下采樣雙樹復輪廓波變換后的高低頻系數(shù)的特點，對于低頻系數(shù)，利用稀疏表示進行融合，并對稀疏表示系數(shù)給出基于空間頻率和l1范數(shù)雙指標取大的融合規(guī)則;對于高頻系數(shù)，將改進的拉普拉斯能量和作為脈沖耦合神經(jīng)網(wǎng)絡的外部輸入項，給出了改進的脈沖耦合神經(jīng)網(wǎng)絡的融合策略。實驗結果表明，所提算法可以提高空間分辨率的同時最大限度地保留光譜

5、信息，在視覺效果及客觀指標上均優(yōu)于一些經(jīng)典的遙感圖像融合算法。
　　3.提出了一種基于插值與非下采樣四元數(shù)輪廓波變換域融合相結合的單幅圖像超分辨率重建算法。首先對源圖像進行軟判決自適應插值和三次樣條插值;然后對兩幅插值圖像進行非下采樣四元數(shù)輪廓波變換分解，對于低頻子帶系數(shù)，給出了基于區(qū)域平均梯度、區(qū)域能量和S函數(shù)相結合的自適應加權融合規(guī)則;對于高頻子帶系數(shù)，給出了一種基于改進的拉普拉斯能量和與加權分析法相結合的融合規(guī)則;最后對融合