基于图像分解的多聚焦图像融合算法的研究

《基于图像分解的多聚焦图像融合算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学拉代号１０５３２学号Ｓ１５１０Ｗ０６４１分类号ＴＰ３９３密级ｗＨＵＮＡＮＵＮＩＶＥＲＳＩＴＹ工程硕士学位论文基于图像分解的多聚焦图像融合算法的研究学位申请人姓名黄睿智培养单位信息科学与工稈学院导师姓名及职称刘彩苹助理教授王果高级工程师学科专业计算机技术研究方向图像融合论文提交曰期２０１８年５月１１日学校代号：１〇５３２学号：Ｓ１５１０Ｗ０６４１密级：湖南大学硕士学位论文基于图像分解的多聚焦图像融合算

2、法的研究学位申请人姓名：黄睿智导师姓名及职称：刘彩苹助理教授王果高级工程师培养单位：信息科学与工程学院专业名称：计算机技术论女提交日期：２０１８年５月１１日论女答辩日期：２０１８年５月２１日答辩委员会主席：陈浩教授Ｒｅｓｅａｒｃｈｏｎｍｕ－ｓｍａｅｆｕｓｏｎａｏｒｔｓｅｌｔｉｆｏｃｕｉｇｉｌｇｉｈｍｂａｄｏｎｉｍａｅｄｅｃｏｍｏｓｉｔｉｏｎｏｎｇｐｂｙＨＵＡＮＧ，ＲｕｉｚｈｉＢ．Ｅ．ＮａｎｈｕａＵｎｉｖｅｒｓｉｔ２０

3、１１（ｙ）ＡｔｈｅｓｉｓｓｕｂｍｉｔｔｅｄｉｎａｒｔｉａｌｓａｔｉｓｆａｃｔｉｏｎｏｆｔｈｅｐＲｅｑｕｉｒｅｍｅｎｔｓｆｏｒｔｈｅｄｅｇｒｅｅｏｆＭａｓｔｅｒｏｆＥｎｇｉｎｅｅｒｉｎｇｉｎＣｏｍｐｕｔｅｒＴｅｃｈｎｏｌｏｇｙｉｎｔｈｅＧｒａｄｕａｔｅＳｃｈｏｏｌｏｆＨｕｎａｎＵｎｉｖｅｒｓｉｔｙＳｕｐｅｒｖｉｓｏｒＡｓｓｉｓｔａｎｔＰｒｏｆｅｓｓｏｒＬｉｕＣａｉｉｎ，ｐｇＳｅｎｉｏｒＥｎｇｉｎｅｅｒＷａｎｇＧｕｏ

4、Ｍａｙ２０１８，湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研宄所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体。由本，均已在文中以明确方式标明本人完全意识到本声明的法律后果人承担。作者签名：次冬ｔ日期年了月乎日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交

5、论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于１、保密□在密后适用本授权书。，年解２、不保密也“（请在以上相应方框内打Ｖｙ■？＾＾＃／及年作者签名．ｔ日期：月日导师签名：爿日期：％，年ｒ月ｆ日Ｉ基于图像分解的多聚焦图像融合算法的研宄摘要在图像处理技术中，图像融合占据着重要的地位，并在其他领域中都获得了广泛

6、的关注一。作为图像融合技术中的个重要分支，多聚焦图像融合克服了景深一的限制一一，将同传感器于同场景获得的不同景深的图像融合并重构为幅清晰的图像，实现了该场景中所有的目标都清晰聚焦。在能量受限及实时应用的场景中，单个节点的计算及存储资源有限，处理节点获取到的冗余图像信息会产生不。必要的能耗，同时降低节点的寿命因此，通常可以利用图像融合来提取并融合冗余数据的有效信息，。为使图像融合效果更佳趋于真实场景去除干扰信息，通常融合算法设计得较为复杂，但同时会带来更复杂的计算开销。根据实时应用环

7、境特点。，本文提出了两种基于图像分解的多聚焦图像融合算法一ｍ本文先提出了种结合ＳｐｌｉｔＢｒｅｇａｎ分解的多聚焦图像融合新方法。首先利用ＳｐｌｉｔＢｒｅｇｍａｎ算法将源图像进行分解得到源图像的结构部分及纹理部分，然后根据结构部分及纹理部分的特征，利用新的聚焦评价函数全距差分模值（ＲＭＤ）将各部分的显著特征提取出来并综合得到各幅源图像的聚焦图。最后，通过对比这些源图像的聚焦图得到全聚焦的初始决策图，并利用初始决策图重构最终的融合图像。一本文还提出了种基于四阶偏微分方程（ＦＰＤ

8、Ｅｓ）的多聚焦图像融合算法。首先利用ＦＰＤＥｓ将源图像分解后得到结构部分及纹理部分，降低了处理过程的计算复杂度，然后根据结构部分及纹理部分采用基于区域对比度的改进的拉普拉斯全距均值ＡＲＭＬ的方法进行融合并得到融合图像的初始决策图。．最后，通过初始决策（）图重构得到最终的融合图像。与传统的小波变换等变换域方法及现有的空间域等方法相比，提出的两种法都获得了理想的融合效果，而且计算的时间较低，在