山东大学（威海）毕业论文毕业设计（论文）设计(论文)题目像素级图像融合方法姓名：李桂楠学号：************学院：机电与信息工程学院专业：自动化年级2011级指导教师：孙甲冰目录摘要 (4)Abstract (5)第一章绪论 (1)1.1课题背景及来源 (1)1.2图像融合的理论基础和研究现状 (1)1.3图像融合的应用 (1)1.4图像融合的分类 (1)第二章像素级图像融合的预处理 (3)2.1图像增强 (3)2.2图像校正 (6)2.3图像配准 (6)第三章像素级图像融合的方法综述 (8)3.1加权平均图像融合方法 (8)3.2 HIS空间图像融合方法 (8)3.3 主成分分析图像融合方法 (8)3.4 伪彩色图像融合方法 (9)第四章基于小波变换的像素级图像融合概述 (10)4.1 小波变换的基本理论 (10)4.2 基于小波变换的图像融合 (11)4.3基于小波变换的图像融合性能分析 (12)第五章像素级图像融合方法的研究总结与展望 (19)参考文献 (20)谢辞.................................. 错误!未定义书签。
摘要近些年，随着科学技术的飞速发展，各种各样的图像传感器出现在人们的视野前，这种样式繁多的图像传感器在不同的成像原理和不同的工作环境下具有不同功能。
而因为多传感器的不断涌现，图像融合技术也越来越多的被应用于医学、勘探、海洋资源开发、生物学科等领域。
图像融合主要有像素级、决策级和特征级三个层次，而像素级图像融合作为基础能为其他层次的融合提供更准确、全面、可依赖的图像信息。
本文的主要工作是针对像素级的图像融合所展开的。
关键词图像融合理论基础、加权平均、图像融合方法、小波变换、AbstractIn recent years, with the rapid development of science and technology, all kinds of image sensor appear in front of the people's field of vision, image sensor in a wide range of this style in different imaging principle and under different working conditions have different function. And because of multiple sensors, image fusion technology is also more and more been used in medical, exploration, Marine resources development, biological sciences, and other fields, and image fusion for national security more strategic significance to construction and economic development. Therefore, the study of image fusion is and its important theoretical significance and application prospects.Image fusion is divided into pixel level, feature level and decision level three different levels, image fusion at pixel level and as a basis for other levels of fusion provide more accurate, comprehensive, image information can be lazy, is advantageous to the image analysis and further research. The research work of this article is the surrounding image fusion at pixel level.Key wordsimage fusion, weighted average, pseudo color image fusion method and wavelet transform第一章绪论1.1课题背景及来源在现代化的农业、生活、资源管理开发、国防等方面的实际应用中，图像融合被广泛的开发应用，是较为常用的图像信息融合技术，它可以对源图像中的像素进行逐个的信息融合，尽可能保留源图像中的重要信息以得到对图像更精确、更丰富的描述。
为了特征级和决策级的研究提供帮助。
本章主要工作是对图像融合的理论和发展做出介绍，并在该基础上分析图像融合在实际应用前景。
1.2图像融合的理论和现状图像融合是对不同传感器所收集到的一幅或者多幅源图像进行融合，用融合技术合成同一幅包含了多幅源图像优点、内容更加全面丰富的图像，其最早产生于20世纪70年代末，而该技术随着实际应用中的所占比例的增大在其后的时间内有了很大的发展。
虽然图像融合技术越来越多地在实际生活中得到应用，但因为该技术所覆盖领域的广泛性和该技术的多样性，研究结果只是反映了特定的方面，而不是形成完整的体系。
总而言之，其中仍有很多问题有待我们的解决和探讨。
1.3图像融合的应用多传感器技术的提高和电子科技技术方面的提高，图像融合技术越来越多的被用于实际应用中。
在民用方面，图像融合在应用于各个领域。
遥感方面，随着遥感技术的发展，在同一地区可使用越来越多不同的传感器，因此能获得不同时间段的各类遥感图像信息，国土资源规划等方面都有效的利用到该技术。
在医学领域，多模医学图像融合技术已经被广泛的用于医疗诊断中，根据不同影像设备可反应出人体体征情况各有不同，弥补了原来医学单一成像的缺点。
在军事领域，随着传感器的种类不停增多，可得到的战场信息战况越来越丰富，而有关于战场图像信息的分析也需要越来越准确，而多传感器图像融合技术则成为控制战争态势的有效利器。
1.4图像融合的分类（1）按信息表征层次分类像素级图像融合：根据某个融合规则直接对源图像灰度进行融合。
像素级图像融合是最低层次的融合，但其保留信息的能力要强于决策级和特征级。
但像素级融合对配准精度的要求也更高。
特征级图像融合：在像素级的基础上提取其特征信息进行综合性分析和融合处理。
特征级融合首先从各个多传感器图像中提取原始信息特征，去掉其中的虚无用特征。
特征级图像融合能压缩信息，还能保留图像的复合特征，可以直接为决策级融合分析提供帮助。
决策级图像融合：是最高层次的融合，从源图像中获取特征信息并进行预处理，得出各自的决策，合并成一个全局性的联合决策。
决策级图像融合有较高的实时性和容错性，但是在处理过程中损失的图像信息量大，预处理的要求也比较高。
（2）按图像源分类同类传感器图像融合：对同一传感器在不同成像模式下获得图像进行融合。
异类传感器图像融合：将不同类型的并且彼此相互独立传感器收集到的图像进行融合。
遥感图像融合：对多遥感器所获得的图像进行融合。
（3）按融合方法分类基于空间域的图像融合：在像素级别上对图像直接进行处理。
其算法有：加权平均法、主成分分析法、HIS空间法、伪彩色法等等。
基于变换域的图像融合：首先对多幅源图像进行图像变换，之后在对其获得的系数按准则进行融合，再对其进行逆变换得到融合结果。
常用算法有：傅里叶变换，多尺度分解等等。
第二章 像素级图像融合的预处理像素级图像融合是最底层的图像融合，它可以获得另外两个层级不能获得的细微的源图像信息，因为要精确要像素级别，所以在图像融合前要进行预处理，例如图像的增强、校正、配准等。
2.1图像的增强图像增强是一类图像预处理的技术，其目的是为了获得效果更明显、对研究内容更加有用的图像信息。
图像增强的主要方法有：1.空间域增强2.频率域增强。
（一） 空间域增强1.线性变换和非线性变换在对图像的像元进行灰度值的变换以后，我们将会得到可视度更高、分辨率更为清晰的图像。
根据变换函数分类，当变换函数为线性或者分段函数时，称其为线性变换。
灰度变换的过程可以表示为：g(x,y)=T[h(x,y)],射映射为T ，则输入图像中的每个像素的灰度值f （x ，y ）可以通过该映射，经过变换后得到输出图像的灰度值h （x ，y ）。
简单的线性变换公式课定义为：c m y x +-=]),(h [m-n c -d ）y ，x （g ，其中，n 和m 分别为输入图像亮度分量的最大和最小值，d 和c 分别是输出图像亮度分量的最大和最小值。
如图1所示，在线性变换后其灰度范围明显扩大，由[m,n]扩展为[c ，d]。
变换后的图像中相邻像素灰度的差值增加，将有效改善图像视觉效果。
线性变换效果图如下：非线性变换则可以理解为，变换函数是非线性的，则为非线性变换，它是有选择的对某一灰度范围进行扩展。
指数变换和对数变换都是比较常用的非线性变换。
指数变换一般公式为：c bex a ax b +=对数变换一般公式为： c ）1ax （blg x a b ++=其中，a x 和b x 分别表示变换前和变换后每个像元的灰度值。
a 、b 、c 为参数。
图4 非线性灰度变换2.空间增强为了达到强化图像特征信息的目的，则采用空间增强。
领域处理：对于某一图像（i ，j ），对于该图像像元的集合{i+m ，j+n}（m 、n 为任意整数）称为该像元的领域。
由图可知g(i,j)可由f （i ，j ）确定，它们分别为处理前和处理后的像元值，这种处理称为领域处理。
领域运算的计算表达式为：)],([),(g j i N j i N ϕ=N ϕ为对),(j i N 像元的运算法则。
卷积运算：在空间域上对图像做加权求和的过程。
需选定一个模板。
在运算前，需选定一个大小为B A ⨯的运算模板）,（b a ϕ。
并建立一个和模板大小相同的活动窗口),(f b a ，再将模板与窗口的对应的灰度值做对应运算。
得到新的窗口中心灰度值。
其公式为：∑∑==⋅=Bb A a b a b a f n m g 11),(),(),(ϕ 将模板和窗口作相同移动后再按上式计算得出新的灰度值。
根据该公式进行类推，最后获得目标图像。
平滑：传感器在成像过程会存在各种客观原因造成的误差，图像在形成过程中会出现“噪声。
”平滑的目的是为提高图像质量而进行的处理。
锐化：锐化可突出边缘和线状口信息。