没有合适的资源?快使用搜索试试~ 我知道了~
基于小波变换的图像融合算法研究毕业论文.doc
需积分: 2 0 下载量 38 浏览量
2024-01-24
21:59:47
上传
评论
收藏 164KB DOC 举报
温馨提示
试读
42页
基于小波变换的图像融合算法研究毕业论文.doc
资源推荐
资源详情
资源评论
基于小波变换的图像融合算法研究
摘要
本文给出了一种基于小波变换的图像融合方法,并针对小波分解的不
同频率域,分别讨论了选择高频系数和低频系数的原则。 高频系数反映
了图像的细节,其选择规则决定了融合图像对原图像细节的保留程度。本
文在选择高频系数时,基于绝对值最大的原则,低频系数反映了图像的轮
廓,低频系数的选择决定了融合图像的视觉效果,对融合图像质量的好坏起
到非常重要的作用。图像融合是以图像为主要研究内容的数据融合技术,
是把多个不同模式的图像传感器获得的同一场景的多幅图像或同一传感器
在不同时刻获得的同一场景的多幅图像合成为一幅图像的过程。
MATLAB小波分析工具箱提供了小波分析函数,应用MATLAB进行
图像融合仿真,通过突出轮廓部分和弱化细节部分进行融合,使融合后的
图象具有了两幅或多幅图象的特征,更符合人或者机器的视觉特性,有利
于对图像进行进一步的分析和理解,有利于图像中目标的检测和识别或跟
踪。
关键词 小波变换;融合规则;图像融合
Image Fusion Algorithm Based on Wavelet
Transform
Abstract
In this paper , the image fusion method based on wavelet transform ,
and for the wavelet decomposition of the frequency domain, respectively,
discussed the principles of select high—frequency coefficients and low
frequency coefficients. The high—frequency coefficients reflect the details of
the image, the selection rules to determine the extent of any reservations of
the fused image on the original image detail。 The choice of high—frequency
coefficients , based on the principle of maximum absolute value , and
consistency verification results. The low—frequency coefficients reflect the
contours of the image, the choice of the low frequency coefficients determine
the visual effect of the fused image, play a very important role in the fused
image quality is good or bad.
MATLAB Wavelet Analysis Toolbox provides a wavelet analysis function
using MATLAB image fusion simulation, highlight the contours of parts and
the weakening of the details section , fusion, image fusion has the
characteristics of two or multiple images , more people or the visual
characteristics of the machine, the image for further analysis and
understanding, detection and identification or tracking of the target image。
Keywords Wavelet transform; Fusion rule; Image Fusion
目录
摘要.......................................................................................................................I
Abstract................................................................................................................II
第 1 章 绪论 ........................................................................................................1
1.1 课题研究的意义及背景 ...........................................................................1
1.1.1 本课题的研究背景 ............................................................................1
1。1。2 课题研究的实际意义 ..................................................................3
1.2 本文的主要内容 .......................................................................................3
第 2 章 小波变换理论基础 ................................................................................6
2。1 小波变换 ................................................................................................6
2.1。1 小波变换的思想 ..............................................................................6
2。1。2 连续小波基函数 ..........................................................................7
2。1。3 连续小波变换 ..............................................................................8
2。1。4 离散小波变换 ..............................................................................9
2.1。5 二进小波变换 .................................................................................9
2.2 多分辨率分析与离散小波快速算法 .....................................................10
2。2。1 多分辨率分析 ............................................................................10
2。2。2 尺度函数和尺度空间 .................................................................11
2.2。3 离散小波变换的快速算法 ...........................................................11
2.3 几种常用的小波 .....................................................................................12
2。4 Mallat 的快速算法................................................................................14
2.5 本章小结 .................................................................................................15
第 3 章 基于小波变换的图像融合方法研究 ..................................................16
3。1 图像融合概述 ......................................................................................16
3.2 图像融合的方法 .....................................................................................16
3.3 基于小波变换的图像融合算法原理 .....................................................17
3。3.1 基于小波分解的融合算法流程 ...................................................17
3.3。2 高频系数融合规则 .......................................................................18
3。3。3 低频系数融合规则 .....................................................................19
3.4 本章小结 .................................................................................................21
第 4 章 实验结果及分析 ..................................................................................22
4.1 实验的仿真 .............................................................................................22
4.2 实验的结果分析 .....................................................................................23
4。3 本章小结 ..............................................................................................24
结论 ....................................................................................................................25
致谢 ....................................................................................................................26
参考文献 ............................................................................................................27
附录 A ................................................................................................................28
附录 B ................................................................................................................30
第1章 绪论
1.1 课题研究的意义及背景
1.1.1 本课题的研究背景
图像融合是以图像为主要研究内容的数据融合技术,是把多个不同模
式的图像传感器获得的同一场景的多幅图像或同一传感器在不同时刻获得
的同一场景的多幅图像合成为一幅图像的过程。由于不同模式的图像传感
器的成像机理不同,工作电磁波的波长不同,所以不同图像传感器获得的
同一场景的多幅图像之间具有信息的冗余性和互补性,经图像融合技术得
到的合成图像则可以更全面、更精确地描述所研究的对象.正是由于这一
特点,图像融合技术现已广泛地应用于军、遥感、计算机视觉、医学图像
处理等领域中。
图像融合的目的和意义在于对同一目标的多个图像可以进行配准、合
成,以克服单一图像的局限性,使有关目标图像更趋完备,从而提高图像
的可靠性和清晰度。以获得对某一区域更准确、更全面和更可靠的描述,
从而实现对图像的进一步分析和理解,或目标的检测、识别与跟踪。基于
小波变换的图像融合方法可以聚焦到图像的任意细节,被称为数学上的显
微镜。近年来,随着小波理论及其应用的发展,已将小波多分辨率分解用
于像素级图像融合。小波变换的固有特性使其在图像处理中有如下优点:
完善的重构能力,保证信号在分解过程中没有信息损失和冗余信息;把图
像分解成平均图像和细节图像的组合,分别代表了图像的不同结构,因此
容易提取原始图像的结构信息和细节信息;小波分析提供了与人类视觉系
统方向相吻合的选择性图像.
但是,图像融合的大多数方法是针对静态图像,在一些实时性要求高
的场合缺乏必要的实时性,限制了应用范围。
小波分析(wavelet)是在应用数学的基础上发展起来的一门新兴学
科,近十几年来得到了飞速的发展.作为一种新的时频分析工具的小波分
析,目前已成为国际上极为活跃的研究领域.从纯粹数学的角度看,小波分
析是调和分析这一数学领域半个世纪以来工作的结晶;从应用科学和技术
科学的角度来看,小波分析又是计算机应用,信号处理,图形分析,非线
性科学和工程技术近些年来在方法上的重大突破.由于小波分析的“自适
应性”和“数学显微镜”的美誉,使它与我们观察和分析问题的思路十分接近,
因而被广泛应用于基础科学,应用科学,尤其是信息科学,信号分析的方方
剩余41页未读,继续阅读
资源评论
omygodvv
- 粉丝: 503
- 资源: 1798
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 二叉树7-1-1.cpp
- android 9.0 原生模拟器 签名文件
- 技术面试最后反问面试官的话 校招面试非技术问题有哪些 非技术问题如何回答.png
- NB-IOT-BC26全网通模块Altium+ CADENCE +PADS三种格式(原理图SCH+PCB封装库)文件.zip
- 基于微信小程序开发的校园失物招领系统源码毕业设计(优质项目源码).zip
- 词向量是一种将自然语言中的单词转换为数值向量的技术,它能够捕捉词义和上下文信息
- nmap与masscan的简单使用
- MyBatis动态SQL.pdf
- 基于stm32单片机protues仿真的温湿度控制系统设计(仿真图、源代码)
- 词向量:自然语言处理的基石
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功