《基於尺度選擇的特徵級多尺度圖像融合算法研究》是依託北京理工大學，由周志強擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於尺度選擇的特徵級多尺度圖像融合算法研究
- 依託單位：北京理工大學
- 項目負責人：周志強
- 項目類別：青年科學基金項目
項目摘要,結題摘要,
項目摘要
當前的圖像融合算法主要集中在像素級，其中基於多尺度分解的融合算法又占有主導地位。但這些方法在多尺度分解之後並沒有考慮子信息之間尺度的不一致性，而這種尺度的不一致性在融合時會導致圖像變模糊，融合質量下降，甚至出現較多的偽信息。本項目以此問題為出發點，將多尺度融合算法的研究上升到特徵級，選擇圖像中具有豐富特性的脊特徵(Ridge)，開展基於尺度選擇的特徵級多尺度圖像融合研究。首先，研究脊特徵多尺度分解與表示，以及脊特徵融合中的自動尺度選擇問題。在此基礎上，將像素級存在的各種融合問題反映到相似尺度脊特徵空間中進行分析，研究相似尺度脊特徵融合方法。最後通過多尺度脊特徵重構獲得具有豐富細節信息的特徵級圖像融合結果。通過本項目的研究不但能夠解決各種像素級難以解決的融合問題，而且能夠彌補特徵級融合理論發展和實際套用的不足，進一步推動多源圖像融合理論和技術的發展。
結題摘要
為解決多尺度圖像融合過程中經常存在的圖像信息尺度不一致性等問題，本項目主要圍繞圖像信息的多尺度特徵分解與表示，具有尺度選擇性和適應性的多尺度分解信息融合，以及融合圖像的生成和增強等研究內容展開一系列研究，旨在大幅度提升傳統多尺度算法的圖像融合性能。為此，在分析傳統多尺度分解方法優缺點的基礎上，研究提出了一種基於雙邊和高斯濾波的混合多尺度分解方法，實現了不同尺度細節特徵和邊緣特徵的分離，更適合於用來對紅外可見光異源圖像信息進行融合處理。考慮不同尺度水平信息的特性不同，提出了一種具有更好尺度選擇和適應性的多尺度分解信息融合策略。研究了不同尺度融合權重計算和信息合成方法，給出了待融合圖像視覺增強和基於人類視覺感知對比度的融合參數自動選取方法，使融合圖像能更好地同時呈現顯著目標和背景細節信息。本項目通過進一步研究還指出了以往多尺度融合算法存在的一些共性問題，給出了提升融合圖像視覺效果的指導性策略和思想；指出具有尺度敏感特性和邊緣保持特性的多尺度分解對於圖像信息融合的重要性，並通過研究給出了一種同時具有較好尺度敏感特性和邊緣保持特性的圖像濾波分解方法。上述研究成果切實解決了傳統多尺度圖像融合算法存在的一些問題，有利於促進相關融合技術的發展。
