基于d-s 证据理论的多聚焦图像融合算法

基于d-s 证据理论的多聚焦图像融合算法

ID:33125088

大小:196.50 KB

页数:7页

时间:2019-02-20

基于d-s 证据理论的多聚焦图像融合算法_第1页
基于d-s 证据理论的多聚焦图像融合算法_第2页
基于d-s 证据理论的多聚焦图像融合算法_第3页
基于d-s 证据理论的多聚焦图像融合算法_第4页
基于d-s 证据理论的多聚焦图像融合算法_第5页
资源描述:

《基于d-s 证据理论的多聚焦图像融合算法》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、基于D-S证据理论的多聚焦图像融合算法-职业技术教育论文基于D-S证据理论的多聚焦图像融合算法范福伟 胡红萍 白艳萍(中北大学理学院数学系,山西太原030051)【摘 要】图像的不同特征从不同的角度反映出图像像素间的差异。本文在Contourlet变换下,利用D-S证据理论的聚集性,将图像不同邻域特征的作为基本概率赋值的依据合成融合系数,提出基于证据理论的多聚焦图像融合算法。仿真实验表明,该算法能有效地综合图像的多个邻域特征,具有较好的融合效果。0 引言图像融合是指综合提取两个或多个多源图像信息,获得对同一场景或者目标准确、全面和可靠的图像,使之更加适

2、合于人眼感知或计算机的后续处理。图像融合充分利用多个被融合图像中所包含的冗余信息和互补信息,是计算机视觉和图像理解领域中一项新技术。图像融合根据所处的阶段不同,通常在三个不同的层次上进行,即像素级融合,特征级融合和决策级融合[1]。目前,像素级图像融合方法可以分为三类:传统简单的融合方法、基于塔式分解和重建的融合方法和基于小波变换的融合方法[2]。后两种方法都是讲图像分解为低频子带和高频子带,对不同的子带分别不同的融合方法建立融合系数。目前,建立融合系数所依据的邻域特征有邻域方差[2-3]、邻域空间频率[4]、邻域梯度[5]、邻域能量[6]以及邻域信息

3、熵等。各种邻域特征方法均取得较好的融合效果,那么综合多个邻域特征的融合效果是否优于基于单一特征的融合效果?本文利用D-S证据理论的聚集性,有效地合成邻域方差、邻域梯度、邻域能量等三个邻域特征来建立融合系数,提出基于D-S证据理论的多聚焦图像融合算法。1 基础知识1.2 Contourlet变换[8-9]离散Contourlet变换也称塔形方向滤波器组(PyramidalDirectionFilterBank,PDFB),具有多分辨率、局部定位、多方向性、近邻界采样和各向异性等性质其基函数分布于多尺度、多方向上,少量系数即可有效地捕捉图像中的边缘轮廓,而

4、边缘轮廓正是自然图像中的主要特征。Contourlet变换是一种“真正”的图像二维表示方法。Contourlet分解变换的实现可以看成是两个步骤:拉普拉斯金字塔(LP)分解和方向滤波器组(DFB)滤波。拉普拉斯金字塔变换实现图像的多尺度分析,由此得到一系列的带通及下采样图像。相比临界小波采样,LP分解在高维情况下每层仅产生一个带通图像,避免了扰频现象(因为LP滤波器组仅对低通图像下采样);二维方向滤波器组将分布在同方向上的奇异点合成为一个系数,它应用于LP分解得到的每一级高频分量上,在任意尺度上分解得到2n数目的方向子带。LP分解与DFB方向滤波器组结

5、合形成的双层滤波器组结构称为塔形方向滤波器组PDFB,由于PDFB实质上是以轮廓段的方式逼近原始图像,因此也称为离散Contourlet变换。源图像经过PDFB分解,得到一个低频分量和分布于多尺度、多方向上的高频分量。Contourlet变换变换滤波器组结构如图1所示:1.3 图像的邻域特征[10]1.3.1 邻域方差2 证据理论的融合算法设有两幅不同聚焦的源图像A、B,下面给出了基于证据理论的多聚焦图像融合算法步骤:1)将源图像A作为待配准图像,源图像B作为参考图像,对A、B进行配准;2)用Contourlet变换分别对配准后的源图像A和源图像B进行

6、分解,得到低频子带L与高频子带H;3)对低频子带和高频子带分别采用不同的融和规则进行融合,低频子带L采用邻域能量取大融合规则,高频子带H采用基于证据理论的融合规则;4)利用融合后的低频子带和高频子带利用Contourlet逆变换重建图像。2.1 低频子带合成规则低频子带融合采用基于邻域方差取大的融合方法。首先对源图像A、B的低频子带LA、LB分别提取邻域方差ILA、ILB,然后利用方差取大法建立融合系数ωLA、ωLB,则融合后的低频子带是:2.2 高频子带合成规则图像的高频子带系数反映了图像中物体的形状、纹理、边缘、位置等重要细节信息,图像的局部特征并

7、非单一像素所能表征,而是由某一区域内系数共同体现。本文采用D-S证据理论中的基本概率赋值来确定融合系数。首先,分别对源图像A和源图像B的个高频子带分别提取邻域方差、邻域梯度和邻域能量等三种特征,然后分别对各种特征归一化后作为基本概率赋值的依据。其表达式如下:3 仿真实验结果及评价本文采用两幅不同聚焦的256×256的clock图像进行仿真实验。图2为右聚焦源图像,图3为左聚焦源图像,图4为采用本文算法融合后的图像。图5、图6、图7为在高频子带分别利用基于邻域方差、邻域平均梯度、邻域能量建立融和系数融合后的图像。从图中可以看出,本文的算法有较好的融合效果

8、。表1是对不同融合方法分别采用偏差、互信息、峰值信噪比、信息熵、均方根误差、空间频率等客观评价

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。