基于NSCT的多聚焦图像融合-毕业论文.doc

《基于NSCT的多聚焦图像融合-毕业论文.doc》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、本科毕业论文(科研训练、毕业设计)题目：基于NSCT的多聚焦图像融合姓名：学院：软件学院系：专业：软件工程年级：学号：指导教师（校内）：职称：指导教师（校外）：沈贵明职称：年月本科毕业论文基于NSCT的多聚焦图像融合摘要多聚焦图像融合是采用一定的算法将两幅或多幅聚焦不同的图像合并成一幅新的图像。多聚焦图像融合的关键在于融合方法的特征提取能力。Contourlet变换是最近由MinhN.Do和NartinVetterli首先提出的，与小波变换相比，它是真正的二维变换，Contourlet在每个尺度提供不同数目的、灵活的方向，能够捕捉图像内在的几何结构，这使Contourle

2、t能够更好的提取图像的边缘和纹理等特征信息。然而，由于拉普拉斯和方向滤波器组（DFB）中并非无下采样的，最初的Contourlet并不具平移不变性，这在图像的奇异位置容易产生伪吉布斯效应。由于基于无下采样的Contourlet(NSCT)具有完全的平移不变性，因此在多聚焦图像融合领域比Contourlet具有更大的优势。本文以Wavelet变换(WT)和Contourlet变换(CT)等多尺度分析方法为基础，对其原理和性质进行分析，并开展了NSCT及其在多聚焦图像融合应用领域的研究。此外，针对多聚焦图像融合，本文比较了多种在变换域提取图像特征的方法，并据此提出了基于NSC

3、T域邻域空间频率（SpatialFrequency）的融合方法，简称NSCT-NSF。与传统的空间频率算法不同，NSCT-NSF算法并非在空间域内，而是首先对图像进行多尺度多方向分解，再在NSCT变换域内对图像进行特征提取，最后选择特征大的变换系数来重构融合图像。考虑到NSCT高频子带邻域系数的相关性，我们还对NSCT域内的空间频率算法做了改进，实验结果表明，在客观和主观评价标准上，本文提出的算法要优于典型的基于小波和基于NSCT像素最大值的融合算法。关键词：图像融合;Contourlet变换;NSCT;空间频率IV本科毕业论文基于NSCT的多聚焦图像融合Abstract

4、Multi-focusimagefusionisthecombinationoftwoormoredifferentimageswithdifferentfocustoformanewimagebyusingacertainalgorithm.Theabilitytoextractfeatureinformationiskeytomulti-focusimagefusion.ContourlettransformwasrecentlypioneeredbyMinhN.DoandMartinVetterli.Comparedwithwavelettransform,itis

5、a“true”two-dimensionaltransform.Contourletprovidesdifferentandflexiblenumberofdirectionsateachscaleandcancapturetheintrinsicgeometricalstructure,whichmakeitpossibletobetterextractfeatureinformationsuchasedgeandtexture.However,duetothedown-sampleandup-samplepresentedinboththeLaplacianpyram

6、idandthedirectionalfilterbanks(DFB),theforemostContourlettransformisnotshift-invariant,whichcausespseudo-Gibbsphenomenaaroundsingularities.Nonsubsampledcontourletisfullyshift-invariantandperformsbetterinmulti-focusimagefusionthancontourlet.Inthispaper,theprincipleandcharacteristicofContou

7、rletTransform(CT)isintroducedandstudyofNSCT’sapplicationinmulti-focusimagefusionisdeveloped.Inaddition,severalclassicalmethodsdirectedatmulti-focusimagefusionforfeatureextractioniscompared.Basedonthis,weproposeafusionmethodbasedonneighborregionspatialfrequency(SF)in