基于二维经验模式分解（BEMD）的显微图像融合算法的研究(2)
1总结 27
2 展望 27
致谢 28
参考文献 29
第一章 绪论
1.1 课题研究的背景及意义
人们在使用显微镜进行生物医学样本分析或者工业表面检测过程中，往往需要完整清晰地观察出显微样本的物体表面信息，然而由于样本或者工件表面的凹凸不平以及显微系统中光学设备的景深有限，使得观察的对象被放大的同时，只能聚焦于单一的物体平面，即单层清晰，而单一层面聚焦的图像往往不能提供给操作人员所需的足够信息。因此操作人员必须多次调节显微镜物距高度，得到多个聚焦的图像序列，才能达到对样本或者工件表面的完整认识，但这样调节将造成无法实时地得到样本的完整图像信息。
当前的显微检测不仅要求显微镜要有更高的分辨率，更需要完整精确地测量出显微样本的物体表面的信息，并且得到其三文图形。因此，如果能将不同聚焦层面的序列图像进行适当的融合，使其合成一张清晰地全焦图像，那么操作人员就能更加全面地掌握所观测物体的整体情况，做出更加准确的判断，毫无疑问，这对现代显微检测技术的进步有很大影响。
图像融合技术是将各种成像传感器得到的不一样的图像信息，通过适当的图像处理技术而获得的对场景更为全面、准确、细致的图像描述。因为图像融合技术能提高视觉系统的可靠性、稳定性和准确性，提高系统的判断能力，使得它在各个领域的检查测量、监测系统中表现出了不可替代的优越性。虽然融合技术并不完善，融合技术的研究离其最终目标也有很大的一段距离，但各种基于融合技术的应用研究却开展得十分积极，几乎进入到能利用人类视觉的各个领域，它已成为一种十分重要的图像分析与计算机视觉技术， 在自动目标识别、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有着广泛的应用前景。
本文提出方法，利用二文经验模式分解技术以及图像融合技术对传统显微图像进行处理，对被检测对象进行多层面的融合，从而产生一幅二文全焦清晰的显微物体表面图像，并恢复出其深度信息。
1.2 国内外研究现状
1.2.1 国内外图像融合研究现状
11.2.2 国内外显微图像融合技术现状
1.3 图像融合技术概要
所谓图像融合包括多传感器融合和单一传感器多图像融合，即指综合描述多幅图像的信息，图像融合的目的就是通过对多幅图像信息的提取与综合，从而获得对同一背景以及目标的更为准确、更为全面、更为可靠的图像描述。融合图像更符合人或机器的视觉特性，以利于对该图像的进一步分析、理解以及目标的检测、识别或跟踪。图像融合技术不同于一般意义上的图像增强，它充分利用了多个待融合图像中包含的冗余信息和互补信息，它是计算机视觉、图像理解领域的一项新技术。它已成为一种十分重要的图像分析与计算机视觉技术， 在自动目标识别、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有着广泛的应用前景。在今后必将获得越来越广泛的应用和更加深入的发展。
图像融合的主要思想就是采用一定的融合算法，把两个或多个不同图像融合成一个新的图像，从而使融合的图像更适应人的视觉感知或计算机进行相应处理，如图像分割、目标识别，神经识别等等。图像融合不是单纯的叠加，它产生新的蕴含更多有价值信息的图像，即达到1+1大于2，甚至是远大于2的效果。由于每一种传感器都是为了适应某些特定的环境和使用范围设计的，具有不同特征或不同视点的多传感器获取的图像，即存在冗余，也存在互补性，通过对其进行融合，能够扩大传感器的范围，提高系统的可靠性和图像信息的利用效率。