多聚焦图像融合技术答辩PPT

静思笃行持中秉正第一PPT学院：信息科学与工程学院专业：电子信息工程指导教师：XXX主讲人：XXX多聚焦图像融合技术研究第一PPT多聚焦图像融合技术研究主要内容☞1.选题背景及其研究意义☞2.图像融合理论基础☞3.多聚焦图像融合方法☞4.NSCT和PCNN图像融合方法☞5.仿真结果及分析第一PPT多聚焦图像融合技术研究☞第一部分：选题背景及其研究意义第一PPT多聚焦图像融合技术研究选题背景及研究意义信息技术的发展系统复杂性的提高多传感器的综合应用信息量的剧增信息融合技术计算机微电子独立传感器无法满足导致形成学科图像融合技术即为一种可视化的信息融合，它综合了传感器、计算机、信息处理以及人工智能等新技术，有着重要的研究意义和价值。第一PPT多聚焦图像融合技术研究☞第二部分：图像融合理论基础第一PPT多聚焦图像融合技术研究图像融合理论基础光学系统光路示意图：景深会直接影响物体成像的清晰度，物体在景深的范围内，则在焦平面成像清晰，若不在景深范围内，则在焦平面成像模糊。第一PPT多聚焦图像融合技术研究图像融合理论基础在光学镜头对某一物体进行成像时，场景不同目标的物距不同，外部环境如光强、角度等因素不同。导致所成的像中各个目标具有不同的清晰度。光学镜头不同目标聚焦多幅多聚焦图像图像融合算法经过多聚焦融合图像融合处理第一PPT多聚焦图像融合技术研究☞第三部分：多聚焦图像融合方法第一PPT多聚焦图像融合技术研究多聚焦图像融合方法多聚焦图像融合空域融合变换域融合基于像素点分割基于图像分块的方法基于区域分割的方法“金字塔分解”方法基于小波域的方法第一PPT多聚焦图像融合技术研究☞第四部分：NSCT和PCNN图像融合方法第一PPT，非下采样contourlet变换，是在Contourlet变换的基础上融合了非下采样思想。NSCT利用非下采样金字塔（NSP）变换和非下采样方向滤波器组（NSDFB）构造而成。三级NSP分解示意图每级NSP分解后，都需用2I对进行填零上采样作为下一级分解的滤波器，I为2阶单位矩阵。y0为低频子带，y1,，y2，y3为高频子带。第一PPT对图像进行树形结构分解，在每一级方向分解后，都需要用一个梅花采样矩阵对DFB中的所有滤波器进行填零上采样，作为下一级方向分解的DFB。四通道NSDFB示意图将NSP与NSDFB相结合即可构造NSCT。第一PPT两幅图像融合过程如图所示：参与融合的源图像首先经过NSCT多分辨率多方向分解，得到低频子带和高频方向子带；然后使用制定的融合规则，确定融合图像各子带的系数来源；最后经过NSCT逆变换重构得到融合图像源图像A源图像BNSCT分解低频子带高频方向子带低频子带高频方向子带融合规则融合系数低频子带融合系数高频方向子带融合图像F逆NSCT重构第一PPT是一种基于猫的视觉原理构建的神经网络模型。目前已有学者论证了脉冲耦合神经网络的神经元点火频率与图像灰度的关系，因此PCNN用于图像融合具有一定的可行性。主PCNN辅PCNN.1辅PCNN.N.....图像1图像2图像n主图像点火次数统计及灰度映射融合图像输出首先，获取多幅多聚焦图像，然后选择其中一个作为主神经元的外部刺激。其他的图像作为各辅神经元的外部刺激，借助PCNN捕获特性可得到“点火”频率。将“点火”频率与灰度映射，即可得到最终融合图像。PCNN图像融合示意图第一PPT：首先对同一背景下的源图像A、B进行NSCT分解，即可得到各自不同的低频子带和高频方向子带。Step2：根据各自子带的子带系数，进行归一化处理，所得结果作为脉冲耦合神经网络PCNN神经元的连接强度系数。Step3：将神经元中的外部激励和连接强度矩阵经过N次迭代处理，计算出各自神经元的“点火”次数，并将其作为点火映射图的输出。Step4：将点火映射图输出的内容经过判决选择因子判断计算处理，可得到融合系数的低频子带和融合系数的高频方向子带。Step5：最后将Step4中的两个子带进行NSCT逆变换，并进行多聚焦融合图像重构，即可得到最终的融合图像F。第一PPT多聚焦图像融合技术研究☞第五部分：仿真结果及分析第一PPT多聚焦图像融合技术研究仿真结果及分析第一组实验：(a)左聚焦图像1(b)右聚焦图像1(c)多聚焦融合图像1第一组融合系数为：7.1078，融合效果一般，最终融合效果的右半部分比较模糊，融合效果不是十分理想，原因可能是在第一组实验中，右聚焦图像中的高频信息成为过少造成的。第一PPT多聚焦图像融合技术研究仿真结果及分析第二组实验：(d)左聚焦图像2(e)右聚焦图像2(f)多聚焦融合图像2第二组融合系数为7.1698，融合效果好于第一组，但左聚焦和右聚焦部分均不及原始图片的对应部分清晰，但最终融合效果图的左半部分好于右聚焦图像对应部分，最终图像的右半部分好于左聚焦图像的对应部分。第一PPT多聚焦图像融合技术研究仿真结果及分析第三组实验：(g)左聚焦图像3(h)右聚焦图像3(i)多聚焦融合图像3第三组实验的融合系数为6.9884。最终融合图像的实际效果较好，基本是实现了多聚焦图像融合的目的。验证了NSCT与脉冲耦合神经网络PCNN相结合的图像融合方法的有效性和正确性。第一PPT多聚焦图像融合技术研究参考文献[1]殷兵云.多传感器图像融合方法研究[D].西安：西安电子科技大学,2009.[2]杨扬.基于多尺度分析的图像融合算法研究[D].长春：中国科学院研究生院长春光学精密机械与物理研究所，2013.[3]郁道银,谈恒英.工程光学[M].天津:机械工业出版社,2006.[4]郭雷,李晖晖,鲍永生.图像融合[M].北京:电子工业出版社,2008.[5]刘文耀.光电图像处理[M].北京:电子工业出版社,2002.[6]李伟.像素级图像融合方法及应用研究[D].广州:华南理工大学,2006.[7]WeiHuang,ZhongliangJing.Evaluationoffocusmeasuresinmulti-focusimagefusion[J].PatternRecognitionLetters,2007,28(4):493-500.[8]焦竹青.变换域中的多源图像融合方法研究[D].无锡：江南大学，2011.[9]王珂,欧阳宁.小波分析在多聚焦图像融合中的应用[J].电光与控制,2013,15(3):64[10]刘贵喜.多传感器图像融合方法研究[D].西安:西安电子科技大学,2010.[11]李建林，俞建成，孙胜利.像素级的图像融合方法[J].红外，2007，28(11):9-13.[12]王文杰,唐娉.一种基于小波变换图象融合算法[J].中国图象图形学报,2001,6(11):1130-1135.第一PPT多聚焦图像融合技术研究参考文献[13]AslantasV,RKurban.Fusionofmulti-focusimagesusingdifferentialevolutionalgorithm[J].ExpertSystemswithApplications,2010,37(12):8861-8870.[14]LuoX,JZhang,QDai.Aregionalimagefusionbasedonsimilaritycharacteristics[J].SignalProcessing,2012,92(5):1268-1280.[15]曹杰,龚声蓉,刘纯平.一种新的基于小波变换的多聚焦图像融合算法[J].计算机工程与应用,2007,24:47-50.[16]孙巍.像素级多聚焦图像融合算法研究[D].长春:吉林大学,2008.[17]王鸿南,钟文,汪静等.图像清晰度评价方法研究[J].中国图象图形学报,2004,9(7)[18]BurtPJ,AdelsonEH.TheLaplacianpyramidasacompactimagecode[J].IEEETransactionsonCommunications,1983,31(4):532-540.[19]卢健.医学图像融合技术[D].南京：南京航空航天大学，2007.[20]张莹，李言俊，张科，等.基于NSCT的红外与可见光图像融合[J].计算机工程与应用，2011，47(3)：196-198.[21]DaCunhaAL，ZhouJ，DoMN.TheNonsubsampledContourletTransform:Theory,Design,andApplications[J].IEEETransactionsonImageProcessing，2006，15(10)：3089-3101.第一PPT多聚焦图像融合技术研究参考文献[22]张强，郭宝华.一种基于非采样Contourlet变换红外图像与可见光图像融合算法[J].红外与毫米波学报，2007，26(6):476-480.[23]蒲恬，方庆咭，倪国强.基于对比度的多分辨图像融合[J].电子学报，2000，28(12):116-118.[24]李洪均，赵志敏，陈远，等.Contourlet变换中不同滤波器对图像去噪效果的研究[J].红外技术，2008,30(8):450-453.[25]GrayCM,KonigP,EngelAK,etal.Oscillatoryresponsesincatvisualcortexexhibitinter-columnarsynchronizationwhichreflectsglobalstimulusproperties[J].Nature,1989,3(23):334-337.[26]房华.脉冲耦合神经网络在图像处理中的应用研究[D].西安：西安石油大学，2010[27]马义德，李廉，绽琨，等.脉冲耦合神经网络与数字图像处理[M].北京：科学出版社，2008.[28]张军英，梁军利.基于脉冲耦合神经网络的图像融合[J].计算机仿真，2004，21(4):102-105.[29]董红霞，易正俊，叶晓斌.提升静态小波特征对比度多聚焦图像融合算法[J].计算机应用研究，2012,29(2):757-760.第一PPT多聚焦图像融合技术研究参考文献[30]夏加星，段先华，魏世超.利用邻域激励的自适应PCNN进行医学图像融合[J].计算机应用研究,2011,28(10)：3929-3933.[31]胡顺石.多尺度几何分析在遥感图像融合中的应用[D].长沙：湖南师范大学，2010.[32]任国超，师黎.基于2v-SVM和一致性检验的医学图像融合算法[J].计算机工程与应用，2010，46(13)：199-201.[33]EskiciogluAM,FisherPS.ImageQu