多尺度融合理論的研究與應(yīng)用.pdf

1、20世紀(jì)80年代圖像的數(shù)據(jù)融合方法和小波分析理論幾乎同時(shí)得到了快速的發(fā)展。如今，它們已經(jīng)被廣泛的應(yīng)用于圖像處理領(lǐng)域。圖像的融合技術(shù)的一個(gè)很重要的作用就是用于圖像的消噪和圖像的增強(qiáng)。隨著小波理論的發(fā)展與完善，多尺度小波域上的圖像融合技術(shù)也在不斷向前發(fā)展。目前，我們?cè)趫D像去噪和融合方面主要應(yīng)用的是離散的實(shí)小波變換和復(fù)小波變換，四元數(shù)小波作為一種具有良好的近似平移不變特性同時(shí)可以為圖像處理提供不同尺度的一個(gè)幅值和三個(gè)相位信息的新的多尺度分析工

2、具，相比較于傳統(tǒng)的小波在圖像處理方面有很大的優(yōu)勢(shì)。本文主要研究了四元數(shù)小波變換的相關(guān)理論和其在圖像去噪方面的應(yīng)用以及與非局部平均去噪相結(jié)合進(jìn)行圖像融合的應(yīng)用。
　　基于二維信號(hào)的希爾伯特變換﹑四元數(shù)相關(guān)理論和性質(zhì)以及多尺度小波分析理論和方法﹑希爾伯特變換﹑四元數(shù)代數(shù)以及小波理論方法，我們研究了四元數(shù)小波變換在22L(R)空間中的一些性質(zhì)，并且通過(guò)研究四元數(shù)小波變換的結(jié)構(gòu)性質(zhì)，構(gòu)造了四元數(shù)小波變換的分析和合成濾波器，從而實(shí)現(xiàn)了對(duì)二維

3、圖像的四元數(shù)小波分解與重構(gòu)。
　　本文在傳統(tǒng)小波閾值去噪模型的基礎(chǔ)上，提出了一種改進(jìn)的貝葉斯閾值。我們首先對(duì)圖像的四元數(shù)小波系數(shù)的模值進(jìn)行閾值去噪的應(yīng)用，通過(guò)對(duì)四元數(shù)小波系數(shù)的模值進(jìn)行選擇與處理，我們可以通過(guò)模值信息和相位信息得到估計(jì)的四元數(shù)小波系數(shù)，從而得到恢復(fù)圖像。在我們應(yīng)用四元數(shù)小波變換閾值去噪的結(jié)果中，可以看到恢復(fù)的圖像很少再出現(xiàn)人工的痕跡，圖像的視覺(jué)效果和圖像質(zhì)量得到了很大的改善，噪聲也得到了有效的抑制。又通過(guò)對(duì)四元數(shù)小

4、波閾值算法與非局部平均去噪算法特點(diǎn)的分析與研究，提出了基于非局部平均和四元數(shù)小波閾值的圖像融合去噪算法。在四元數(shù)小波域中對(duì)非局部平均去噪的圖像與四元數(shù)小波閾值去噪的圖像進(jìn)行融合處理，通過(guò)一定的融合規(guī)則，從而得到了融合圖像。實(shí)驗(yàn)結(jié)果表明，本文方法得到的融合圖像與前兩者去噪方法相比，圖像質(zhì)量得到了明顯改善，圖像邊緣部分也得到了增強(qiáng)。在 PSNR上本文方法與四元數(shù)閾值去噪算法相比提高了1.0~1.3，與非局部平均去噪算法相比提高了0.7~1.