[2]两层小波变换两种策略图像融合 29

[3]单层小波变换两种策略图像融合 32

第一章  绪论

1.1 课题研究背景及意义

科学的发展和技术的进步及采集图像数据的手段不断完善，出现了各种新的图像获取技术。但是，目前作为信息输出源的各种传感器的性能还不能完全满足人们的要求，这一方面是由于受到获取技术本身发展水平的限制；另一方面是因为任何一种获取技术都有一定的精度和适用范围[3]，且其信号都要受到周围环境的干扰。也就是说，一幅图像只能提供部分的、不完全精确的信息。因此多源图像的融合才能提供高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。论文网

随着红外成像技术的日趋成熟，红外图像与可见光图像的融合成为图像处理领域的一项热门技术。可见光成像技术在黑暗、阴雨恶劣天气的情况下，成像效果是非常差的，而红外辐射透过霆、雾及大气地的能力比可见光强，因此将两者所成图像进行融合可以集成多个源图像中的冗余信息和互补信息，以强化图像中的信息、增加图像理解的可靠性。本文基于最新的小波理论，介绍了一种基于小波变换的图像融合方法，实现可见光图像与红外图像的融合，并取得良好的融合效果。这一新的理论以其较强的实践性和适用性，在图像融合领域得到了广泛地发展。

1.2 图像融合技术研究现状

1.3 本章小节

本章从整体上讲述了图像融合这一研究领域的重要意义，介绍了图像融合在目前主要的研究方法，及小波理论在图像分解和融合方面的优势。

第二章  小波变换的基础理论

小波变换时20世纪80年代中期发展起来的一种时频分析方法，比DCT这样的小波变换的性能更加优越，被广泛用于调和分析、话音处理、图像分割、石油勘探和雷达探测等方面，也被用于音频、图像和视频的压缩编码。文献综述

小波变换是傅里叶变换的发展，中间经历了窗口傅里叶变换[15]，窗口傅里叶变换通过对时空信号进行分段或分块进行时空——频谱分析，但由于窗口的大小是固定的不适用于频率波动大的非平稳信号。而小波变换可以根据频率的高低自动调节窗口的大小，是一种自适应的时频分析方法，具有多分辨分析的功能[1]。本章先介绍傅里叶理论,进而过渡到小波变换理论。

2.1 傅里叶变换理论

2.1.1 傅里叶变换

傅里叶变换（Fourier Transform）是1807年法国科学家Joseph Fourier在研究力学问题时所提出的一种全新的数学方法[1]。傅立叶变换是一种可逆变换，逆变换能通过与正变换相同的方法从信号的变换表达中完全恢复出原始信号。傅立叶变换能够对信号进行分解，得到基本的频率成分，相对于小波变换的“数学显微镜”之说，傅立叶变换可以说是“数学棱镜”。

傅里叶变换的表达式为：

其中f(t)为一维时间信号，f(x,y)为二维空间信号。

原始的信号一般为时空信号，在时空上拥有最大的分辨率，可以利用时空上的相关性进行数据的压缩。傅里叶变换可以将时空域中的信号映射到符合人类感知的频率域来研究，在频率域中同样可以进行冗余信息的压缩。傅里叶变换可以说在所有可逆变换中拥有最大的频率分辨率，但其本身并不包含时空定位信息。因此，傅立叶变换在进行时域与频域的变换时的联系因为数学变换而缺失。在时域表示式中，不能直接利用信号的频域信息；在频域表示式中，也不能直接利用信号的时域信息。傅立叶变换能够给出信号整体的频域信息，即通过变换能了解到信号存在有多少频率成份，但是，傅里叶变换并不能告知这些频率成份会在什么时刻出现。来.自/优尔论|文-网www.youerw.com/