导读:本文包含了变换域融合论文开题报告文献综述及选题提纲参考文献，主要关键词:图像处理,图像融合,非下采样Contourlet变换,脉冲耦合神经网络
变换域融合论文文献综述
王艳,杨艳春,党建武,王阳萍[1]（2019）在《非下采样Contourlet变换域内结合模糊逻辑和自适应脉冲耦合神经网络的图像融合》一文中研究指出传统的基于多尺度变换的图像融合存在对比度不高、边缘细节等信息保留不理想的问题,为解决此问题,提出了一种基于非下采样Contourlet变换的自适应模糊逻辑和自适应脉冲耦合神经网络(PCNN)的融合算法。对于低频子带方向,采用基于自适应模糊逻辑的融合规则;对于高频子带方向,采用方向信息自适应地调整PCNN的链接强度,以边缘特征作为输入激励自适应PCNN,再根据脉冲点火幅度融合子带系数。实验结果表明,所提融合算法能较好地突出融合图像的目标信息,提供丰富的背景细节,在融合图像的清晰度和人眼视觉方面取得较好的融合效果。(本文来源于《激光与光电子学进展》期刊2019年10期）
刘晓宁[2]（2019）在《基于多尺度变换域和视觉感知的图像融合算法研究》一文中研究指出图像融合技术旨在将不同传感器在同一场景下或同一传感器在不同时刻捕获到的多张源图像合成一张高质量的图像。由于单个传感器的成像信息比较单一,无法满足实际场景的应用需求,而多传感器融合技术的应用可以为人眼视觉感知、计算机视觉、机器视觉等任务提供更加准确、可靠的评价与决策。考虑到目前医院繁重的医学影像阅片的任务和消费者对消费级设备日益增长的拍照需求,本文对医学图像融合和多曝光图像融合进行了深入研究,探讨了实际场景应用中可能面临的一些问题。具体地,本文分别提出鲁棒的多模态医学图像融合算法和适合静态场景的多曝光图像融合算法,主要研究内容如下:为了提高医生或医学影像机器人阅片的效率和准确率,提出了一种基于非下采样剪切波变换域和参数自适应脉冲耦合神经网络的多模态医学图像融合算法。参数自适应脉冲耦合神经网络被用来融合高频子带系数,其所有的参数都可以通过输入的子带自适应计算,这可以克服传统脉冲耦合神经网络设置参数的困难。此外,其能快速收敛,这极大地为所提算法在实际临床应用中提供了可能性。同时考虑了图像融合的两个关键因素,即能量保留和细节提取,提出了一个新颖的低频子带融合策略。为了达到这个目的,分别定义了两个新的活跃程度度量,即加权的局部能量与基于八邻域改进的拉普拉斯权重和。为了验证所提方法的有效性,在四类医学图像融合问题上,用超过80组的源图像进行了综合验证。比较了9种当前最具代表性的医学图像融合方法,其中几个是最近刚提出来的方法。实验结果表明:所提出方法在视觉质量和客观评价上均达到了目前最有竞争力的水平。考虑到曝光序列图像间的差异性与相关性以及彩色图像叁通道之间的关联性,重新定义了两个视觉感知度量,提出人眼视觉感知的多曝光图像融合算法。首先,分析了传统饱和度定义的缺陷,发现其对图像灰度内容特别敏感,所以没有用它来设计权重函数。然后,考虑到曝光图像序列间的差异性以及相关性,定义了自适应双尺度曝光。由于彩色图像叁通道之间存在相关性,所以将传统二维梯度进行推广,提出彩色图像梯度来更好地反映光照的变化情况。最后,考虑到多尺度变换的时效性,采用拉普拉斯金字塔框架进行融合。所提出方法与当前5种最好的方法在多曝光图像基准数据集(21组曝光序列)上进行测评,实验结果表明:所提出方法在主观视觉和客观评价上均取得了最佳性能且算法效率也令人满意。(本文来源于《合肥工业大学》期刊2019-04-01）
王少迪,李轶鲲,杨树文[3]（2018）在《一种耦合空间域与变换域的遥感影像融合方法》一文中研究指出针对多光谱波段和全色波段影像融合存在的空间分辨率问题和光谱失真的问题,提出了一种超球面彩色空间变换(hyperspherical color space,HCS)与非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)相结合的遥感影像融合算法。首先对目标影像进行HCS变换获取I分量,然后使用NSCT分解全色波段和I分量,并将分解获得的高频子带和低频子带采用加权的局部方向熵和改进的拉普拉斯能量和的方法进行筛选,最后对筛选的图像进行NSCT和HCS逆变换,生成融合多光谱遥感影像。为了验证影像融合质量,分别采用主观评价和客观量化评价方法(均值、标准差、信息熵、平均灰度和相关性等)对融合后的图像进行了分析。通过与现有HCS方法、NSCT方法、Gram-Schmidt方法对比研究表明,该方法在光谱保持度和空间分辨率上均优于传统方法,在融合结果得到的边缘、纹理和细节方面均能够表现出更好的融合特性和视觉效果。(本文来源于《遥感信息》期刊2018年02期）
张梦杰[4]（2018）在《轮廓波变换域梯度信息的图像融合》一文中研究指出图像融合旨在将多源信道采集到的关于同一目标的图像数据,利用其存在的信息互补,通过图像处理技术得到合成的高质量图像。图像融合能够极大提高图像信息的利用率,增强图像的视觉效果,提升原始图像的分辨率,改善计算机解译图像的精确性和可靠性,因此在医学诊断、地理遥感、气象预报与导航制导等领域有广泛应用。图像融合研究一直是图像处理领域关注的重要问题。基于变换域的图像融合具有不会产生块效应以及融合细节丰富的优点,因此得到了广大研究者的关注,也是目前该领域研究的热点方向。本文在系统学习多尺度几何分析理论的基础上,重点围绕基于非下采样轮廓波变换(NSCT)的图像融合展开了深入研究,特别探讨了利用图像NSCT域梯度信息改进融合图像质量的有效性。论文的主要工作与贡献包括:(1)研究了一种结合NSCT与形态学梯度结合的图像融合方法。针对传统变换域图像融合中对图像低频成分通常采用平均融合的不足,鉴于NSCT具有的优异多尺度、多方向及平移不变特性,提出了NSTC域形态学梯度信息嵌入的图像融合方案。具体地,首先将多源图像进行非下采样轮廓波变换,然后利用多尺度形态学梯度对多源低频成分中相同位置的像素信息进行比对,产生相应的信息决策图,最后基于信息决策图合理选择信息有用的源图像的低频系数实现系数融合。由于梯度信息较好反映了图像的边缘等细节信息,该方法能够有效增强融合图像的对比度,尤其对红外与可见光图像的融合更为有效。(2)提出了一种基于NSCT域梯度加权的图像融合方法。其基本思想在于,提取经变换后的低频成分中显着性信息并将其用于融合规则设计。由于图像中边缘、角点等显着性信息可以由梯度域方法获取,提出了NSTC域多尺度梯度加权的图像融合方案。这里首先,利用大尺度的加权结构张量提取低频部分源图像的显着信息并作为融合系数,同时设定边缘区域;然后利用小尺度结构确定边缘区域权值。这两个步骤将源图像中显着性信息保留的同时减少融合图像中的空间不连续现象。通过实验验证了使用该方法融合源图像,提高了融合图像的对比度,改善了融合图像的视觉质量和可观测性。(本文来源于《中南民族大学》期刊2018-03-15）
江梦云[5]（2018）在《基于变换域的多源图像融合算法改进》一文中研究指出运用信息技术和方法,帮助社会经济组织提高其现代化管理的效率与水平是管理科学与工程领域研究的热点问题之一。图像融合在管理中具有重要的应用价值,可以提高信息的精准度,有助于提高管理的效率,帮助进行更加科学的管理。如将图像融合应用于监控上,可以提高监控的有效性。图像融合可以应用于快递安检,有效的识别违禁物品,及时进行清查,保障安全,提高快递安检的准确性和效率等。近年来基于视频图像的数据的应用越来越广泛。为了获取同一场景不同方面的信息,可以用不同的传感器获取多种类型的源图像,因此对多源图像融合的研究和应用应运而生。多源图像融合存在一些问题,如融合图像存在明显的块效应、边缘模糊或者信息缺失等。如何克服这些问题获得更加高性能的融合结果,是当前多源图像融合研究需要解决的问题。本文针对基于变换域的多源图像融合算法进行了研究和探索,并对现有的图像融合的算法进行了改进,提出了两种改进的多源图像融合的算法,主要应用在多聚焦图像融合领域。第一,提出了一种将自适应耦合脉冲神经网络(APCNN)应用于非下采样Contourlet变换(NSCT)的多聚焦图像融合算法。这种方法克服了NSCT方法中存在的融合信息丢失以及算法鲁棒性差的问题,得到更好的融合效果。实验结果表明,提出算法在这四个指标上整体表现较优。第二,提出了一种基于多尺度分解和改进的稀疏表示结合的图像融合思想。这种思想可以结合稀疏表示和多尺度分解的优点,既解决了基于多尺度变换的融合方法分级层次难以确定和融合后图像对比度低的问题,又提高了稀疏分解的效率,同时更好的保留了源图像中的信息。提出的算法代替原来将图像块作为处理基本单位,直接将整个图像作为处理的基本单位,提高了稀疏分解的效率。从主观和客观两个方面的结果表明,即使提高基于NSCT算法的分解层次,提出方法得到的性能也更优。(本文来源于《北京邮电大学》期刊2018-03-14）
梁翔宇[6]（2018）在《多尺度变换域的图像融合和超分辨率重建研究》一文中研究指出图像在人类获取和传递信息过程中占有重要的地位。在一些实际应用中,因受到成像机理的限制,往往成像传感器直接获得的图像不能满足实际需要。图像融合可以将两幅有互补信息的图像融合成一幅信息丰富准确的图像。图像的超分辨率重建可以将一幅模糊的图像恢复成细节信息丰富的图像。在以上所提的研究背景下,本文主要的研究内容为:1.针对基于频域遥感图像融合算法的不足,提出一种结合多尺度变换和自相似性融合规则的算法。在多尺度变换上运用具有良好分解性能的Q-shift非下采样双树复剪切波变换,对于低频子带,采用基于多特征自相似的融合方法;对于高频子带,根据其方向特点,采用一种具有方向自适应特点的脉冲耦合神经网络的融合方法。实验表明,在平衡空间和光谱信息方面,本文算法要好于一些经典算法。2.针对经典的稀疏编码重建算法的不足,本文提出一种基于频域稀疏编码的超分辨率重建算法。对于低频子带,运用改进的脉冲耦合神经网络对稀疏编码算法中的最优系数进行获取,进而完成重建;对高频子带,将分解的高频子带与预测高分辨图像的特征图像一起作为脉冲耦合神经网络的输入完成高频重建。实验表明,本文算法在主观视觉和客观数据都获得了较好的效果。(本文来源于《合肥工业大学》期刊2018-03-01）
王峰,程咏梅[7]（2017）在《基于Shearlet变换域改进的IR与灰度VIS图像融合算法》一文中研究指出针对多尺度变换域内红外(IR)与灰度可见光(VIS)图像融合后图像清晰度差、纹理信息不丰富等问题,提出一种基于剪切波变换(ST)域改进的IR与灰度VIS图像融合算法.首先,采用形态学顶帽变换(MTH)增强IR与VIS图像;然后,对增强后的IR与VIS图像采用ST变换,将其分解成高、低频图像,针对高频图像提出局部标准差(LSTD)与系数绝对值的融合策略;针对低频图像提出一种改进的权值融合策略;最后,通过逆剪切波变换(IST)获得最终融合图像.仿真实验结果表明,所推荐的方法具有优越的性能.(本文来源于《控制与决策》期刊2017年04期）
朱爱斌,何仁杰,吴玥璇,王凯[8]（2017）在《考虑变换域融合方法的刀具磨损区域叁维重构》一文中研究指出针对数控机床加工领域刀具磨损区域的叁维重构精度提高的问题,提出了变换域融合方法。将非下采样轮廓波变换和小波变换相结合,对非下采样轮廓波变换得到的低频系数采用小波变换方法进行融合,对得到的高频系数构造区域方差进行融合,突出刀具磨损图像的整体灰度信息和边缘细节信息,从而获得更为清晰的二维刀具图像,以及更为准确的磨痕形貌及磨痕体积。对基于非下采样轮廓波变换、小波变换方法和变换域融合方法得到磨损区域叁维形貌和磨损体积与显微镜的观察结果进行了对比分析,发现提出的方法得到的叁维形貌与显微镜结果最接近,且计算出的磨损体积平均相对误差小于10%。分析和实验数据表明,所提方法无论在图像的清晰度和磨损体积的准确性方面都有一定的优势,该方法对于刀具磨损区域叁维重构精度较高,优于单独采用非下采样轮廓波变换和小波变换方法得到的结果。(本文来源于《西安交通大学学报》期刊2017年12期）
王峰,程咏梅[9]（2017）在《基于NSST变换域KFE与DUM-PCNN的伪彩色图像融合》一文中研究指出针对夜视图像融合过程中,目标信息不突出、色彩信息显示不自然等问题,提出了一种新的基于NSST变换域的伪彩色融合方法,采用Kirsch特征能量(KFE)和所构造的双通道单链接记忆性脉冲耦合神经网络(DUM-PCNN)设计了新融合方案,在NSST变换域内完成红外(IR)与可见光(VIS)的融合;将融合后的图像与IR及VIS进行线性组合并将其分配至YUV彩色空间,合成伪彩色(FC)图像。最后,利用色彩空间的信息转换技术获得染色后的夜视图像。基于不同数据集的对比实验结果表明,文中所提出的FC图像融合方法,能得到突出的目标信息,呈现出与自然图像相近的外观。(本文来源于《西北工业大学学报》期刊2017年04期）
殷明,段普宏,褚标,梁翔宇[10]（2016）在《非下采样四元数剪切波变换域的图像融合》一文中研究指出目的由于一些光学镜头聚焦范围的有限性,很难对同一场景中所有物体都清晰地成像在一幅图像中,而将同一场景中的多幅源图像进行融合可以得到一幅全景更加清晰的图像,为了增强融合图像的质量,提出了一种新的非下采样四元数剪切波变换(NSQST)的图像融合算法。方法首先将源图像经过NSQST分解得到低频子带系数和高频子带系数;其次,对低频子带,提出了一种改进的稀疏表示(ISR)的融合规则;对于高频子带,提出一种改进的空间频率、边缘能量和局部区域相似匹配度相结合的融合规则;最后通过NSQST逆变换得到融合图像。结果与其他5种融合方法进行对比,本文方法获得了较好的客观指标和视觉效果,其中与NSCT-SR算法相比,本文方法获得的4个客观指标分别提高了3.6%、2.9%、1.5%、5.2%,3.7%、3.2%、3.2%、3.0%和6.2%、3.8%、3.4%、8.6%。结论通过多聚焦图像进行融合实验,实验结果表明该方法可进一步应用于目标识别、医学诊断等领域。(本文来源于《中国图象图形学报》期刊2016年10期）
变换域融合论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
图像融合技术旨在将不同传感器在同一场景下或同一传感器在不同时刻捕获到的多张源图像合成一张高质量的图像。由于单个传感器的成像信息比较单一,无法满足实际场景的应用需求,而多传感器融合技术的应用可以为人眼视觉感知、计算机视觉、机器视觉等任务提供更加准确、可靠的评价与决策。考虑到目前医院繁重的医学影像阅片的任务和消费者对消费级设备日益增长的拍照需求,本文对医学图像融合和多曝光图像融合进行了深入研究,探讨了实际场景应用中可能面临的一些问题。具体地,本文分别提出鲁棒的多模态医学图像融合算法和适合静态场景的多曝光图像融合算法,主要研究内容如下:为了提高医生或医学影像机器人阅片的效率和准确率,提出了一种基于非下采样剪切波变换域和参数自适应脉冲耦合神经网络的多模态医学图像融合算法。参数自适应脉冲耦合神经网络被用来融合高频子带系数,其所有的参数都可以通过输入的子带自适应计算,这可以克服传统脉冲耦合神经网络设置参数的困难。此外,其能快速收敛,这极大地为所提算法在实际临床应用中提供了可能性。同时考虑了图像融合的两个关键因素,即能量保留和细节提取,提出了一个新颖的低频子带融合策略。为了达到这个目的,分别定义了两个新的活跃程度度量,即加权的局部能量与基于八邻域改进的拉普拉斯权重和。为了验证所提方法的有效性,在四类医学图像融合问题上,用超过80组的源图像进行了综合验证。比较了9种当前最具代表性的医学图像融合方法,其中几个是最近刚提出来的方法。实验结果表明:所提出方法在视觉质量和客观评价上均达到了目前最有竞争力的水平。考虑到曝光序列图像间的差异性与相关性以及彩色图像叁通道之间的关联性,重新定义了两个视觉感知度量,提出人眼视觉感知的多曝光图像融合算法。首先,分析了传统饱和度定义的缺陷,发现其对图像灰度内容特别敏感,所以没有用它来设计权重函数。然后,考虑到曝光图像序列间的差异性以及相关性,定义了自适应双尺度曝光。由于彩色图像叁通道之间存在相关性,所以将传统二维梯度进行推广,提出彩色图像梯度来更好地反映光照的变化情况。最后,考虑到多尺度变换的时效性,采用拉普拉斯金字塔框架进行融合。所提出方法与当前5种最好的方法在多曝光图像基准数据集(21组曝光序列)上进行测评,实验结果表明:所提出方法在主观视觉和客观评价上均取得了最佳性能且算法效率也令人满意。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
变换域融合论文参考文献
[1].王艳,杨艳春,党建武,王阳萍.非下采样Contourlet变换域内结合模糊逻辑和自适应脉冲耦合神经网络的图像融合[J].激光与光电子学进展.2019
[2].刘晓宁.基于多尺度变换域和视觉感知的图像融合算法研究[D].合肥工业大学.2019
[3].王少迪,李轶鲲,杨树文.一种耦合空间域与变换域的遥感影像融合方法[J].遥感信息.2018
[4].张梦杰.轮廓波变换域梯度信息的图像融合[D].中南民族大学.2018
[5].江梦云.基于变换域的多源图像融合算法改进[D].北京邮电大学.2018
[6].梁翔宇.多尺度变换域的图像融合和超分辨率重建研究[D].合肥工业大学.2018
[7].王峰,程咏梅.基于Shearlet变换域改进的IR与灰度VIS图像融合算法[J].控制与决策.2017
[8].朱爱斌,何仁杰,吴玥璇,王凯.考虑变换域融合方法的刀具磨损区域叁维重构[J].西安交通大学学报.2017
[9].王峰,程咏梅.基于NSST变换域KFE与DUM-PCNN的伪彩色图像融合[J].西北工业大学学报.2017
[10].殷明,段普宏,褚标,梁翔宇.非下采样四元数剪切波变换域的图像融合[J].中国图象图形学报.2016
标签：图像处理; 图像融合; 非下采样Contourlet变换; 脉冲耦合神经网络;