基于多分辨率分析理论的图像融合技术研究(2)
3.4.3图像的重建 14
3.5多传感器图像融合实例与评价——基于金字塔分解方法15
4普通小波变换方法17
4.1连续小波变换 17
4.2离散小波变换17
4.3图像融合算法一般过程——基于小波变换18
4.4基于梯度选取规则的小波变换18
4.5一些小波变换融合实例与评价20
结论 24
致谢 24
1 绪论
随着电子行业的迅猛发展，处于信息化时代的我们面对的信息量日益增加，对它们的科学利用就显得尤为重要。
1.1 图像融合的背景和意义
传感器技术在研究中的应用十分广泛，为了得到更全面且易于分析处理的信息，仅从一个传感器获得数据已经难以满足需求，渐渐的发展成为多个传感器的模式，这些传感器往往拥有不同成像机理，不同的工作波长范围，和对工作环境的不同要求，所拥有的功能也并不一致。随着系统中传感器数量的递增，获得的信息量以及其多样性也成倍攀升，传统的信息处理办法面对这种新的情况已经失去了解决能力，信息融合这种方式显然能够在缓解这一问题。
多传感器图像作为一种拥有直观信息表达形式的信息载体，慢慢进入大众视野，如何对这些多传感器数据进行恰当的处理成为了这一领域亟待解决的热点问题。多传感器图像融合技术作为数据融合的一部分，已经在医疗、军事、机器视觉和各种民用领域得到了越来越广泛的应用，并极大的影响和改变了人类的生产生活。
图像融合在20世纪70年代后期首次被提出，属于数据融合领域的重要组成部分。是一种与现代高科技相结合的技术，其中融合了传感器技术，对图像的处理技术，对信号的处理技术，计算机技术和人工智能技术。Pohl和Genderen对图像融合所作的定义如下：把工作于不一样波长范围成像机理并不相同的多个传感器从同一场景得到的图像通过某种算法融合，以获得一幅更容易观察处理，能够高效获取有效信息的新图像。相比之下，多源图像的优势在于图像间的互补性，能从多视点捕捉单元图像无法得到的信息，传感范围更广，观测的准确性也更高。
对多传感器的图像进行融合的思路和人类大脑处理信息的过程有很多类似之处，都是利用突出信息不相同的传感器资源，对其中信息进行提取整合，根据优化准则把从各个不同传感器获得的互补与冗余信息组合生成最利于人类或机器观察识别的融合图像，从而实现融合目的，并利用各传感器的不同优势信息结合产生拥有更大信息含量的融合图像。
在军事领域，以多传感器技术为核心的精确制导、微型机器人及各种侦察仪器占据着愈加重要的地位；在遥感应用等方面，凭借多源遥感图像融合获得高质量的有更高可分析性的遥感图像，可以应用于天气预报、地形测绘、自然灾害监测，植被长势评估等方面。在医学领域，图像融合给需要计算机辅助进行的显微手术提供了极大便利，并利用自己的优势，使CT和MRI等技术能够给医生提供更多病灶信息，对疾病的确诊十分有利。图像融合也可用于产品的检测，材料探伤，生产过程检测等方面。
1.2图像融合技术研究现状及未来发展方向
1.3 本文的研究内容及结构安排
本文首先阐述了图像融合技术的研究背景及研究意义，在第二章里简单分析了多分辨率图像融合技术的原理，介绍了图像的融合规则、预处理的方法及质量评估，接下来用两个章节重点研究了一些多分辨率图像融合中的金字塔变换方法及小波变换方法。在金字塔变换的章节中介绍了如拉普拉斯金字塔，比率低通金字塔，梯度金字塔和对比度金字塔的变换方法。在小波变换的章节里提到了连续和离散的小波变化，介绍了基于梯度选取规则的小波变换图像融合等方法。在每个章节的最后都对多种方法都进行了融合举例，并根据具体图像的融合结果对比了多种研究方法的优缺点。在最后一章里对论文的撰写工作进行了回顾与总结。