基于自适应分解的图像融合理论与算法研究

目前已经出现了许多融合全色图像和多光谱图像的方法，如HIS变换、PCA方法、MSD方法等，其中最常见的方法是基于多尺度(MSD)的方法。但是在实际的问题中，如果采用常用的小波方法，应用固定的小波基分解，就限制了复杂场景图像融合的效果。因此，本项目拟展开基于自适应分解的图像融合的方法研究，具有较强的科学意义和现实意义。主要包含三方面的内容：（A）图像频率的研究；（B）图像自适应分解的研究；（C）融合质量评判指标指导多尺度融合算法参数选择的研究。项目预期可以通过图像结构信息构造出相应的二维算子将图像分解成多个单分量图像，这些单分量图像具有良好的表达方式、解析特性和空间特性的一致性。同时，在自适应分解的基础上，以评价指标指导图像融合过程，并改进关键参数的选择。研究结果增进了图像的理解，丰富和完善了图像分解和图像融合系统理论，并推动图像融合应用层面的发展。

图像融合算法是广泛使用的一项图像处理技术。目前最常见的方法是多尺度的方法，但是多尺度的方法应用固定的小波基，限制了复杂场景图像融合的效果。因此，我们展开本项目的研究以克服这些困难。我们从图像的频率及自适应分解、图像融合算法、融合质量评判指标指导图像融合算法三个方面展开研究。. 本项目提出了基于算子的信号分解算法，根据不同的信号设计不同的算子去分离多部分 AM-FM信号。并把其推广到二维图像分解算法。同时，基于该算法，提出了新的图像压缩框架，对比JPEG2000取得了更好的效果。. 我们讨论了传统的基于小波的多尺度融合算法的局限性以及基于算子的图像分解的特点，提出了基于稀疏系统的图像融合算法，该算法不需要指定基函数，并能够自适应确定分解层数，经过融合指标评判，证明该算法是有效的。在图像分解的思路的启发下，我们提出了TV-L_{1}和Δ^{-1}-TV_{0} 融合算法以及基于核估计的融合算法。. 我们在图像融合算法的基础上，研究了指标评价方面的工作，提出了基于数据包络分析 (Data Envelopment Analysis) 图像融合参数选择方法。此外，应用多目标优化的思想，提出了基于多目标优化的图像融合方法。. 我们将上述研究成果应用于图像去模糊领域和手机平台等实践问题，得到了有意义的研究成果和具有实用价值的产品。比如，我们在手机平台上实现了曝光融合快速算法，应用在最新的nokia的多款手机上。