基于變分偏微分方程的圖像融合方法研究.pdf

1、近年來，基于變分偏微分方程(PDE)的圖像處理方法在圖像處理領域有著廣泛應用并取得巨大成果。圖像融合的目的是為了將多幅源圖像中的顯著特征盡可能多的保留到融合圖像中去，從而獲得一幅比單一源圖像更加清晰、完整、可靠的融合圖像。研究表明，圖像的顯著特征可以由圖像的幾何信息來表示，利用變分模型能夠容易的對圖像的梯度和曲率等重要幾何信息進行處理，且能夠很好的保持圖像的局部特征，使得處理后的圖像具有很好的視覺效果。因此，將變分PDE引入到圖像融合中

2、來是完全可行的。
　　 本文的主要研究工作和研究成果包括如下幾個方面：
　　 (1)脈沖神經(jīng)網(wǎng)絡(PCNN-Pulse Coupled Neural Network)是一種為了模擬視覺神經(jīng)元活動而提出的一種新型人工神經(jīng)元模型，已經(jīng)被成功的應用到圖像融合領域。本文研究了PCNN在圖像融合領域中的基本模型及原理，并將PCNN和變分PDE結合起來。
　　 (2)在一定程度上，灰度圖像的邊緣輪廓特征可以由灰圖像的梯度模值

3、來刻畫，灰度圖像的梯度模值越大，灰度圖像就越清晰，細節(jié)信息也越豐富。根據(jù)這一特點，本文提出了一種基于灰度圖像梯度模值平方的變分模型，該模型使得融合圖像的梯度模值平方最大。同時，為了保持融合圖像和源圖像相差不大，在變分模型中引入保真項，并利用PCNN來計算保真項中源圖像的對融合圖像的貢獻大小。
　　 (3)與灰度圖像類似，在一定程度上，矢量圖像的邊緣輪廓特征也可以由矢量圖像梯度模值來刻畫。本文將源圖像看成分量圖像，將融合圖像看成是

4、這樣一幅矢量圖像：對于多幅分量圖像可能構成的所有矢量圖像，融合圖像是具有最大梯度模值的那幅矢量圖像，提出了一種基于矢量圖像梯度模值的變分模型，同時在該模型中也引入了保真項，并利用PCNN來確定融合圖像初始值的大小。
　　 (4)對于基于多分辨率分析的圖像融合方法，本文主要研究了小波變換和Contourlet變換兩種對尺度變換的基本原理，以及常見的融合規(guī)則。在低頻域融合規(guī)則方面，針對直接平均法會導致融合圖像模糊降低圖像清晰度這一不