图像融合开题报告2
基于成像模糊机理多聚集图像融合的开题报告
基于成像模糊机理多聚集图像融合的开题报告一、题目基于成像模糊机理多聚集图像融合二、研究背景及意义图像融合是指将两幅或多幅图像融合成一幅图像，使得融合后的图像更具信息量、细节丰富、视觉效果更佳，是计算机视觉领域的一大研究方向。
近年来，随着遥感技术和传感器技术的不断进步，获取的遥感图像数量越来越多，同时由于气象和空气质量等因素影响，所得到的不同时间的遥感图像之间存在一定的差异，如光照、阴影、物体姿态等。
因此，对这些具有不同属性的遥感图像进行融合处理，可以充分利用各自的信息，提高图像的分辨率和精度，对于资源管理、城市规划、军事任务等方面的应用有重要意义。
目前，图像融合方法已经有了很多种，如加权平均法、PCA法、小波变换法等。
然而，在实际应用中，多幅遥感图像存在复杂的干扰和混淆问题，这些问题往往会导致融合后的图像失真、模糊等问题。
因此，如何解决这些问题，使得融合后的图像更加清晰，在实际应用中具有更好的效果和应用性，是当前图像融合研究的重点和难点。
成像模糊是影响图像质量的重要因素之一，即在成像过程中，由于光学系统的参数、摄像机移动等原因，导致图像模糊、失真等问题。
因此，在图像融合的过程中，考虑成像模糊机理对图像进行处理是十分必要的。
多聚集理论是指利用多个局部的决策（如模糊度、差异性等）来产生全局最优的准则，是一种有效地处理不确定性信息的方法，与成像模糊机理相结合可以更好地对图像进行处理和融合。
因此，基于成像模糊机理和多聚集理论进行图像融合研究，可以更好地处理遥感图像的干扰和混淆问题，提高融合后的图像质量和应用性，具有重要的研究和应用价值。
三、研究目标和内容本文旨在基于成像模糊机理和多聚集理论，对遥感图像进行融合处理，提高融合后的图像质量和应用性。
具体研究内容包括：（1）研究不同遥感图像的成像模糊机理，分析对图像质量的影响。
（2）建立基于多聚集理论的图像融合模型，综合考虑图像的不确定性信息。
（3）仿真实验验证本文所提出的图像融合方法的优劣，分析融合后的图像质量和应用性。
多传感器图像融合方法研究与实现的开题报告
多传感器图像融合方法研究与实现的开题报告一、研究背景与意义随着人类对信息获取和处理能力的不断提升，各种传感器也随之不断涌现。
不同传感器可以获取不同类型的信号，例如红外传感器可获取热信号、激光雷达传感器可获取距离信息、相机传感器可获取光信号等。
因此，多传感器图像融合技术（Multi-Sensor Image Fusion，MSIF）的发展逐渐成为研究热点。
多传感器图像融合技术是将不同传感器获取的数据融合起来，以获取更全面、更精确的信息。
相对于单个传感器，多传感器图像融合技术具有以下优点：1.提高了信息的全面性和稳定性：不同传感器获取的信号互相补充，增加了信息的完整度，从而提高图像的质量和稳定性。
2.提高了信息的精度和分辨率：不同类型的传感器在不同方面的分辨率、灰度等方面差异很大，而融合后的图像可以最大程度保留不同类型传感器的有用信息。
3.适用性更广泛：因为不同类型传感器可以获取不同种类的信息，所以多传感器图像融合技术可以适用于更广泛的应用场景。
二、研究内容与方法本研究将主要研究多传感器图像融合的方法与实现，具体工作如下：1.收集不同类型传感器采集的数据集：例如红外传感器、激光雷达传感器、相机等。
2.研究多传感器图像融合算法：例如小波变换、主成分分析、加权平均法等。
通过比较算法的优缺点，选择最适合的融合算法。
3.编程实现：使用Matlab等工具，编写程序实现数据的读取、处理与融合。
4.实验测试：使用已采集的数据进行融合实验，评估融合效果，并与单个传感器图像进行比较。
三、预期创新点与成果本研究将尝试探索多传感器图像融合这个领域，寻找其创新点，包括但不限于以下几点：1.研究多传感器图像融合的算法原理，分析其优缺点，以及应用场景。
2.通过实验测试，验证多传感器图像融合技术的有效性。
预期成果包括：1.开发出一套多传感器图像融合的程序，可以用于不同类型传感器的数据融合。
2.对多传感器图像融合技术的优点和局限性进行总结，为未来的研究提供参考。
基于压缩感知的多聚焦图像融合技术研究的开题报告
基于压缩感知的多聚焦图像融合技术研究的开题报告一、研究背景多聚焦技术是一种能够获取物体在不同距离处的不同清晰度图像，并将这些图像进行融合，得到一张清晰、具有深度信息的图像的技术。
传统的多聚焦图像融合技术主要是基于加权平均法或者尺度空间分析法，这些方法对图像质量、图像噪声等有较强的限制性和依赖性。
相对来说，最近提出的基于压缩感知的多聚焦图像融合技术受限制比以往更小，对信号噪声和稀疏性的要求也相应减小，而且具有较高的融合质量和鲁棒性。
二、研究内容本研究计划采用基于压缩感知的多聚焦图像融合技术，探究其在图像融合领域的应用。
具体内容包括：1.基于多聚焦成像原理，获取多张不同清晰度的图像2.利用压缩感知的思想对多张图像进行高效率、低冗余的信息采集，提取多张图像的局部构造信息3.运用压缩感知框架，将稀疏表示算法与多聚焦图像融合的优点结合起来，提高算法整体性能4.对比实验室其他图像融合算法效果，评估本文提出的算法性能三、研究意义本研究计划主要探究基于压缩感知的多聚焦图像融合技术，该技术相较于传统的融合技术具有更高的鲁棒性和融合质量，而且在信号采集和处理的方面具有更高的效率和便捷性。
本研究的意义主要体现在以下几个方面：1.加深对基于压缩感知的图像融合算法的掌握，深入理解相关数学原理和理论2.探究压缩感知理论在多聚焦图像融合中的应用，将其应用于解决图像融合问题3.提出一种高效率、低冗余、高鲁棒性的多聚焦图像融合算法，为今后图像融合领域的研究提供新思路和新方法四、研究方法本研究采用实验分析法与理论分析法相结合的方法，具体步骤如下：1.对多聚焦图像进行分析和处理，提取多张图像的局部构造信息，并将其映射到高维空间中进行稀疏表示2.采用压缩感知的思想对多张图像进行稀疏表示，利用最小化L1范式的优化方法，获得多张图像的稀疏系数矩阵3.根据提取的图像局部构造信息和稀疏系数矩阵，重构出一张清晰、具有深度信息的多聚焦图像4.对于本研究提出的算法，进行多组对比实验，评估算法性能，并分析算法的优点和不足处五、研究预期成果本研究的预期成果主要包括：1.掌握基于压缩感知的多聚焦图像融合技术的相关数学原理和理论2.提出一种高效率、低冗余、高鲁棒性的多聚焦图像融合算法，解决图像融合中的重要问题3.对比分析多种图像融合算法，在图像质量、鲁棒性等方面进行评估，给出一个相对比较准确的定量分析结论4.论文的发表以及图像融合领域理论和应用的更新和提高六、可行性分析本研究采用基于压缩感知的多聚焦图像融合技术，这是一种相对较新的图像融合技术，具有许多发展空间和可持续性，在理论和实验方面都有很多成熟的研究方法和分析手段，具备较高的可行性。
Theos遥感图像的融合方法研究的开题报告
Theos遥感图像的融合方法研究的开题报告开题报告题目：Theos遥感图像的融合方法研究一、选题背景及意义随着遥感技术的发展，遥感影像具有更广泛的用途和应用。
由于不同遥感传感器获取的图像具有不同的空间、光谱分辨率，因此需要将多波段遥感图像融合成一个高质量的复合图像以满足不同领域的应用需求。
Theos卫星是泰国的一颗遥感卫星，在泰国及其周边国家很受欢迎。
为了更好地利用Theos卫星获取的图像，需要研究针对性的融合方法。
本文的研究意义在于：1.提高Theos遥感图像的综合利用率和分析能力；2.提高Theos遥感图像的质量，使其更适合各种应用领域；3.为多波段遥感影像融合的研究提供一个新的方法。
二、研究现状及进展遥感图像的融合是将多幅不同来源的遥感图像进行组合，得到一幅新的、高质量的遥感图像的过程。
图像融合技术可以分为基于像素的融合技术和基于特征的融合技术两大类。
基于像素的融合技术融合的是各波段的原始像素值。
常用的基于像素的融合方法有平均值融合、最小值和最大值融合、波段归一化和PCA等方法。
这种方法简单、易于实现，但无法处理像素值不一致、图像模糊等问题。
基于特征的融合技术通过对各波段图像的特征进行提取，再将提取出的特征进行组合或加权融合，得到一个新的融合图像。
常用的基于特征的融合方法有变换域融合、小波变换融合和分解融合等方法，这些方法能够有效地处理像素值不一致、图像模糊等问题。
三、研究内容本文的研究内容主要是基于特征的融合技术，针对Theos遥感图像的特点，提出一种适用的融合方法。
具体研究内容包括：1.分析比较不同的遥感图像融合方法，选择合适的融合方法；2.根据Theos遥感图像的空间、光谱分辨率的不同特点，提出可行的特征提取方法；3.根据特征提取结果，设计并实现融合算法；4.通过实验验证该融合算法在Theos遥感图像上的有效性。
四、研究方法1.图像特征提取：采用小波变换算法进行多尺度分解与特征提取。
基于Contourlet变换的图像融合算法的开题报告
基于Contourlet变换的图像融合算法的开题报告一、选题背景及意义随着现代科技的不断发展，图像的获取和处理技术也在不断地进步，应用范围也不断扩大。
而图像融合技术作为图像处理技术的一个重要分支，主要是将多幅源图像通过一定的算法融合为一幅整合的图像，其目的是提高图像的清晰度、对比度及细节信息等方面，从而更好的满足人们对于图像质量的需求。
同时，图像融合技术还广泛应用于机器视觉、医学诊断、卫星遥感、军事侦察、安防监控等领域。
传统的图像融合算法主要包括像素级融合和变换域融合两种方法，其中像素级融合是指将两幅图像的每个像素按照某种规则进行合并，而变换域融合则是通过对两幅图像进行变换，获得其特征信息，然后再将其进行合并。
而在变换域融合方法中，Contourlet变换作为一种多尺度和多方向的变换方法，因其能够快速、高效地对图像进行分解处理，得到更为丰富的图像特征信息，因此已经成为图像融合技术中常用的算法之一。
因此，基于Contourlet变换的图像融合算法的研究具有重要的理论和应用价值。
二、研究内容及拟解决的问题本文将主要研究基于Contourlet变换的图像融合算法，包括以下几个方面：1. Contourlet变换及其在图像融合中的应用：探究Contourlet变换算法的原理及其在图像融合中的应用，分析其优点与不足。
2. 基于Contourlet变换的图像融合算法研究：通过分析Contourlet变换的特点，设计并实现一种基于Contourlet变换的图像融合算法，并对其进行优化和改进。
3. 实验验证及性能分析：通过实际的实验验证，对该算法的性能进行分析和评估，与其他图像融合算法进行比较，进一步证明其有效性和适用性。
本文将主要解决以下问题：1. 如何利用Contourlet变换快速、高效地对图像进行分解处理，提取更为丰富的特征信息？2. 如何设计一种基于Contourlet变换的图像融合算法，以达到更好的融合效果？3. 如何通过实验验证和性能评估，进一步验证该算法的有效性、适用性和优越性？三、研究方法和技术路线本文将采用以下主要的研究方法和技术路线：1. 理论研究：对Contourlet变换及图像融合技术的相关理论进行深入学习和研究，探究其原理和特点。
图像融合中关键技术的研究的开题报告
图像融合中关键技术的研究的开题报告一、选题的背景和意义随着科技的不断发展，图像融合技术越来越受到关注。
图像融合是指将多幅图像融合成一幅图像的过程，它将不同类型或不同角度的图像合成一个全面的图像，以满足特定的需求。
在军事目标探测、医学图像处理、卫星遥感等领域，图像融合技术已经得到广泛应用。
在图像融合中，关键技术包括图像预处理、特征提取、融合模型选择和融合结果评估等方面。
图像预处理是指对原始图像进行去噪、增强等处理，使其满足融合的需求；特征提取是指从原始图像中提取出图像的特征信息，包括颜色、纹理、形状等；融合模型选择是指选取适合融合任务的融合算法；融合结果评估是指对融合结果进行筛选，选择合适的融合结果。
因此，本文主要研究图像融合中关键技术的研究，以期提高图像融合技术的准确性和可靠性，为各领域的应用提供更好的技术支持。
二、研究内容和方法本文的研究内容包括以下方面：1、图像预处理技术的研究，包括去噪、增强等预处理方法。
2、特征提取技术的研究，包括颜色特征、纹理特征、形状特征等提取方法。
3、融合模型选择技术的研究，包括加权平均法、小波变换法、模糊集合理论等融合模型的选择。
4、融合结果评估技术的研究，包括结构相似性、信息熵等评估方法的研究。
本文的研究方法主要包括理论研究和实验证验两个环节。
理论研究采用文献综述法，综合各类相关文献并进行分析，掌握图像融合技术的基本概念和发展历程；实验验证则通过实际数据和计算机模拟来进行，以验证和验证研究结果的正确性和可行性。
三、预期研究结果和意义本文主要的预期成果包括以下几点：1、建立一套完整的图像融合技术体系，包括图像预处理、特征提取、融合模型选择和融合结果评估等方面。
2、提出一些有效的融合算法，在图像融合中取得更好的效果。
3、为相关领域的应用提供更好的技术支持，如卫星遥感、医学图像处理等。
最终，本文的研究成果将有助于提高图像融合技术的准确性和可靠性，推动图像融合技术相关领域的发展和应用。
多分辨率图像融合及其实现的开题报告
多分辨率图像融合及其实现的开题报告一、研究背景及意义在卫星遥感能力迅速发展的今天，大量的高分辨率遥感数据被获取。
然而，高分辨率数据也存在一些固有的问题，例如：不同传感器间的差异导致的数据不一致、数据量庞大导致的存储与传输问题以及高分辨率遥感图像的算法计算耗时等等。
因此，通过将不同传感器或不同比例尺的遥感图片集成起来可以得到更加完整和准确的遥感信息，这就是遥感图像融合技术。
多分辨率图像融合技术是一种将不同分辨率或不同波段的遥感图片融合成一幅高质量的单幅图像的过程。
因为每张遥感图片都带有不同的信息，例如高分辨率图像可能带有更多的细节信息而低分辨率图像可能包含更多的全局信息。
因此，将这些不同分辨率图像融合起来可以得到一张更完整和准确的图像。
多分辨率图像融合技术在各个领域都有广泛应用，例如卫星遥感、医学图像处理、计算机视觉等等。
二、研究内容本次研究的内容主要包括以下几点：1. 多分辨率图像融合技术的理论基础以及现有方法的研究。
对目前主流的多分辨率图像融合方法进行比较分析，探究不同方法的优缺点。
2. 多分辨率图像融合算法的研究与实现。
本研究将重点探究基于小波变换的多分辨率图像融合算法，并实现相关算法。
3. 多分辨率图像融合算法的性能评价。
通过实验比较不同算法的融合效果和计算耗时等方面的性能指标。
三、研究方法本研究将采用以下方法进行：1. 文献研究法。
对多分辨率图像融合技术和相关算法进行系统性的文献研究，掌握其理论基础和现有算法。
2. 算法实现。
对于数学模型复杂的算法，采用编程实现的方法进行模拟计算。
3. 性能测试与分析。
通过实验以及相关性能测试工具对不同算法进行性能比较和分析，以便为优化算法提供有效的方法和思路。
四、研究计划本研究计划分为以下几个部分：1. 第1-2个月：文献研究阶段。
对多分辨率图像融合技术和现有算法进行深入研究和探讨。
2. 第3-4个月：算法实现阶段。
选定常用的图像处理工具包，对多分辨率图像融合算法进行编程实现和参数优化。
功能磁共振图像融合方法研究的开题报告
功能磁共振图像融合方法研究的开题报告开题报告：功能磁共振图像融合方法研究一、研究背景及意义功能磁共振成像技术（fMRI）逐渐成为神经科学领域中的重要技术之一。
它可以通过血氧水平依赖信号（BOLD）来捕捉人类脑部特定区域的神经活动。
然而，fMRI技术本身存在一些缺陷，例如空间分辨率低、噪声和运动伪影等问题。
为了克服这些缺陷，一些影像学家提出了将不同模态的磁共振图像进行融合的方法。
通过融合结构磁共振成像（sMRI）和功能磁共振成像（fMRI）可以提高图像的空间分辨率，进一步揭示神经系统的结构功能。
目前，常见的融合方法包括基于组件的方法、基于区域的方法、基于卷积神经网络的方法等。
但是，这些方法仍然存在许多局限性，例如精度低、复杂度高、需要大量的人工标注数据等。
因此，本研究旨在通过针对性的算法改进和实验验证，提出一种高效、精确、无需显式标注的fMRI和sMRI图像融合新方法。
二、研究内容和方法1. 研究内容本研究将针对现有的fMRI和sMRI图像融合方法进行分析和比较，并提出一个新的融合方法，以提高图像的空间分辨率和减少噪声和伪影。
2. 研究方法（1）数据采集：采集fMRI和sMRI数据，获取高空间分辨率的fMRI图像和高准确度的sMRI图像。
（2）数据预处理：对fMRI图像和sMRI图像进行预处理，提高数据质量。
（3）图像融合：研究图像融合方法并实现算法，将fMRI和sMRI图像进行融合。
具体的融合方法包括基于组件的方法、基于区域的方法、卷积神经网络等。
（4）结果分析和验证：对融合后的图像进行结果分析和验证，包括图像质量评估、空间准确度评估等。
三、预期成果及应用价值本研究预期能够提出一种高效、精确、无需显式标注的fMRI和sMRI图像融合新方法，并通过实验验证该方法的有效性。
同时，本研究将提升fMRI和sMRI图像融合技术的研究水平，丰富图像融合领域的理论研究和实际应用。
该研究的应用价值主要体现在以下两个方面：（1）神经科学研究：通过提高fMRI和sMRI图像的空间分辨率，揭示神经系统的结构功能，提高神经科学研究的水平和成果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
毕业设计(论文)开题报告题目：图像拼接技术研究—图像融合院（系）电子信息工程专业电子信息科学与技术班级070405姓名闫夏学号070405137导师高俊钗2011年3 月3 日1.毕业设计（论文）题目背景、研究意义及国内外相关研究情况1．1题目背景：图像融合是二十世纪七十年代后期提出的新概念，他是一门综合了传感器、图像处理、信号处理、显示、计算机和人工智能等技术的现代高新技术[1]。
由于图像融合系统具有突出的探测优越性(时空覆盖宽、目标分辨力与测量维数高、重构能力好、冗余性、互补性、时间优越性以及相对低成本等)，在国际上技术先进的国家受到高度重视并已取得了相当的发展，并在许多领域得到了广泛的应用[2]。
1．2研究意义：图像融合是指综合两个或多个多源图像的信息，图像融合的目的是综合同一个场景中的多个图像的信息，其结果是更适合人的视觉和计算机视觉的一幅图像，或更适合进一步图像处理需要的图像。
融合后的图像更符合人或机器的视觉特性，以利于对该图像进一步的分析、理解以及目标的检测、识别或跟踪。
对图像融合来说，融合源图像可能是在同一个时间段，来自多个传感器的图像，也可能是单个传感器在不同时间提供的图像序列。
一般来说，图像是对客观实际的一种反映，是一个不完全、不精确的描述[3]。
图像融合充分利用多幅图像资源，通过对观测信息合理支配和使用，把多幅图像在空间或时间上的互补信息依据某种准则融合，获得对场景的一致性解释或描述，使融合后的图像具有比参加融合的任意一幅图像更优越的性质，更精确地反映客观实际[4]。
本文研究的重点——多聚焦图像的融合是图像融合研究中一类具有代表性的问题。
由于光学镜头的聚焦有限，使得人们在摄影时很难得到一幅所有景物均被聚焦的图像。
解决这个问题的有效方法是对同一场景拍摄几幅聚焦点不同的图像，然后，将其融合为一幅场景内所有景物均被聚焦的图像，这种图像融合被称为多聚焦图像融合。
多聚焦图像融合的实现可以使多个不同距离的目标物体同时清晰地呈现，这为特征提取，图像识别奠定良好的基础，同时有效地提高图像信息的利用率和系统对目标探测识别的可靠性，广泛应用于机器视觉、数码相机、目标识别等领域。
本课题所研究的图像融合利用小波融合算法的优越性将多聚焦图像进行综合处理，从而提高图像的清晰度和目标的可识别程度，得到在一幅场景内所有场景均清晰的图像。
利用Matlab软件仿真，通过融合效果评价准则来不断改进融合算法，以得到最佳的融合效果。
1．3国内外相关研究情况：图像融合技术最早被应用于遥感图像的分析和处理中。
美国陆地资源卫星(LAND－SAT)用多幅光谱图像进行简单的数据合成运算，取得了一定的噪声抑制和区域增强效果[5]；美国德克萨斯仪器公司(TI)研究将红外热像和微光图像融合，来提高夜战能力；TI公司还进行了将通用组件红外系统与电视、采用焦平面阵列的前视红外系统和25mm三代微光电视系统、长波及短波红外视频信号的融合试验，取得了有益的结果[6]；A.Toet等采用低通对比金字塔的图像融合方法，对野外背景坦克的可见光和红外图像进行了融合处理，提高了对坦克的识别能力[7]。
到了二十世纪八十年代末，人们才开始将图像融合技术应用于一般图像处理(可见光图像，红外图像，多聚焦图像等)。
九十年代后，图像融合技术的研究呈不断上升趋势，应用的领域也遍及遥感图像处理、可见光图像处理、红外图像处理、医学图像处理等。
尤其是近几年，图像融合技术已成为计算机视觉、自动目标识别、机器人、军事应用等领域的热点研究问题。
目前，图像融合技术在军事上的应用越来越广泛。
无论是TMD(战区导弹防御系统)、NMD(国家导弹防御系统)那样的大系统，还是精确制导导弹、自主式炮弹、微型军用机器人这样的小系统均离不开图像融合技术。
在民用方面，图像融合已在遥感、智能机器人等领域得到应用。
例如，1997年在火星着陆的“火星探路者”(The Mars Sojourner Rover)机器人及2004年年初分别成功登陆的美国“勇气”号与“机遇”号火星探测器身上都安装了激光束投影仪、摄像机、全景照相机、关节传感器和加速度传感器。
在制造业，图像融合技术可以用于产品的检验、材料探伤、复杂设备诊断、制造过程监视、生产线上复杂设备和工作的安装等；在医学上，可通过对CT 和核磁共振(MRI)图像的融合，帮助医生做出对疾病更为准确的诊断；图像融合还可用于计算机辅助显微手术；在图像和信息加密方面，通过图像融合也可实现数字图像的隐藏以及数字水印的图像植入；另外，图像融合也可用于交通管理和航空管制。
随着图像融合技术研究的不断深入，图像融合技术必将会得到更为广泛的应用[9]。
多聚焦图像融合技术能够有效的提高图像信息的利用率和系统对目标探测识别的可靠性，广泛应用于机器视觉、数码相机、目标识别等领域。
图像融合技术在我国的研究相对于国际的研究工作起步晚，还处于落后状态。
目前国防科技大学、中科院电子所等单位已将其提上十五规划的议事日程；西安电子科技大学、北京理工大学将图像融合的方法用于单细胞微弱荧光图像探测[10]；工程兵装备论证研究所利用从美国引进的单镜头D的多光谱摄像机，对白昼伪装目标的多光谱伪装效果进行了检验。
总的来说，学术界在图像融合领域已取得了很大的成绩，图像融合方法也各种各样。
但是图像融合技术的研究还刚刚开始，有许多问题急需解决。
首先，图像融合技术缺乏理论指导，虽然关于图像融合技术的公开报道很多，但是每篇文章都是针对一个具体的应用问题，对图像融合技术还没有一个统一的理论框架，建立图像融合的理论框架是目前的一个发展方向。
由于图像的特殊性，在设计图像融合算法时一定要考虑到计算速度和所需的存储量，如何得到实时、可靠、稳定、实用的融合算法是目前研究的一个热点。
另外建立客观的图像融合技术评价标准也是急需解决的问题。
2．本课题研究的主要内容和拟采用的研究方案、研究方法或措施2．1主要内容：本论文的主要内容包含以下几个方面：①论述了图像融合技术的基本理论、现状和方法，并对多聚焦图像融合算法做了分类，同时分析了现有的方法在多聚焦图像融合方面的局限性[11]。
②详细阐述了小波变换的多尺度和多分辨率分析的特性和在图像小波分解和重构原理、过程，为基于小波变换的多聚焦图像融合打下了扎实的理论基础。
③本文对适用于多聚焦图像融合效果评价的方法做了归纳和总结，给出了适用于多聚焦图像融合效果评价的一套通用的标准体系，为后续的研究工作提供了实验参考标准。
④研究了小波分解层数及小波基的选择对多聚焦图像融合效果的影响，并给出了在多聚焦图像融合算法中最佳小波分解层数和小波基的选取；研究了基于小波变换的多聚焦图像融合方法，并提出了改进后的基于小波变换区域对比度的多聚焦图像融合方法，并利用Matlab工具进行算法进行了仿真实验。
⑤总结本论文的研究成果和不足，并指出以后的改进方向。
2．2研究方案：1.基于小波变换的图像融合基于小波多尺度分解的图像融合的方案，这里以两幅图像的融合为例，多幅图像的融合方法可据此类推:首先选取两个源图像进行融合得到第一个融合结果图像，再将该结果图像和另一个源图像进行融合得到第二个结果图像，依次类推就可以得到多幅源图像的最终融合结果图像。
其融合处理的过程是首先对两个源图像进行小波变换得到它们的多分辨分解，再根据某一融合规则得到融合后的图像的多分辨分解，最后根据小波变换的逆变换得到融合图像。
小波变换的目的是将原始图像分别分解到一系列频率通道中，利用其分解后的塔形结构，对不同分解层、不同频带分别进行融合处理，可有效地将来自不同图像的细节融合在一起。
融合时，可以将被融合图像各自携带的不同特征与细节在多个分解层、多个频带上分别以不同算子进行融合。
Campbell和Robson的实验表明，人的视网膜图像就是在不同的频率通道中进行处理的。
基于小波分解的图像融合恰恰是在不同的频率通道上进行融合处理的，因而可能获得与人的视觉特性更为接近的融合效果。
2.基于金字塔式图像融合方法图像处理的塔形方法是由Burt和Adelson首先提出的[17]，其早期主要用于图像的压缩处理及人或机器的视觉特性模型研究。
图像的塔形分解是一种方便灵活的多尺度、多分辨率分解，将这种塔形分解应用于图像处理中，可以在不同尺度、不同空间分辨率上对源图像进行融合处理，而且在不同分解层可以应用不同的融合规则，这样可能得到更符合人眼视觉系统特性的图像；同时，融合后图像更有利于进一步处理和分析。
在基于金字塔的多聚焦图像融合的这类算法中，源图像不断地被滤波，形成一个塔状结果。
在塔的每一层都用一种融合算法对这一层的数据进行融合，从而得到一个合成的塔式结构。
然后对合成的塔式结构进行重构，得到合成图像。
金字塔融合法包括拉普拉斯金字塔法[12]、梯度金字塔法、比率低通字塔法[13][14][15]、形态学金字塔法[16]等。
其中拉普拉斯金字塔是从高斯金字塔分解派生出来的，是比较常用的，但由于拉普拉斯金字塔的图像融合法由于层间分解量之间具有相关性，会导致融合结果没有小波变换理想。
下面介绍基于拉普拉斯金字塔分解的多聚焦图像融合方法[18]。
步骤如下：(1)建立图像的高斯塔形分解；(2)由高斯金字塔建立图像的拉普拉斯金字塔[19]；(3)基于拉普拉斯金字塔的图像融合算法。
3.预期成果形式●学会并且能用运用图像融合中各个环节的算法，找出一个运算效率较高的算法。
●在熟悉MATLAB的使用及相关函数的使用方法后，如何将算法融入程序中。
●用MATLAB编写程序时，对错误的程序进行分析并进行改正视频拼图中的图像融合需要同时满足两个目的:①使生成图像中不存在突兀的拼缝;②尽量降低生成图像与原始图像之间的失真度。
也就是说,既要保证存在色差的图像之间实现色彩平滑过渡,但又不能过分地平滑图像,否则会导致平滑区域的像素值和原始图像的像素值之间差异太大,丢失纹理细节,造成图像失真[20]。
4.研究工作进度第1周：查阅相关资料；第2－3周：提出基本思想，完成开题报告的撰写；第4周：准备开题答辩；第5-12周：使用Matlab进行程序的编写；第13周：准备中期答辩，中英文翻译；第14-15周：软件程序的编译及调试；第16-17周：调试整个系统的功能，撰写毕业论文；第18周：进行毕业论文答辩。
5.主要参考文献：[1] 刘贵喜.多传感器图像融合方法研究.西安：西安电子科技大学2001：39-65.[2] 王海晖，彭嘉雄.给予多小波变换的图像融合研究.中国图象图形学报.2004，9（8）：1002-1007[3] 周前祥，敬忠良，姜世忠.多源遥感影像信息融合研究现状与展望.宇航学报，2002，23（5）：89-94[4] 夏明革，何友，唐小明.多传感器图像融合综述.电光与控制，2002，9（4）：1-7[5] 时永刚，邹谋炎.图像配准中统计型相似性测度的比较与分析.计算机学报，2004，27（9）：1278-1283[6] 吴艳，杨万海，李明.多光谱与高分辨率图像融合方法研究.光子学报，2003，32（2）：174-178[7] 肖李，卢凌，黄红星.基于进化策略和HIS变换的图像融合方法[8] 赵巍，毛士艺.一种基于假彩色的像素级多传感器图像融合放大.电子学报，2003，31（3）：368-371[9] 柴艳妹，任金昌，赵荣椿等.一种基于方向性息测度和HIS变换的图像融合新方法.西北工业大学学报，2004，22（4）：422-425[10] 李小春，陈鲸.多进制小波变换的快速构造及在遥感图像融合中的实现.计算机工程与应用，2004，7：32-34[11] 那彦，史林，杨万海.小波包变换与遥感图像融合.光子学报，2004，18（4）：248-253[12] 曹闻，李弼程，彭天强.一种基于小波包变换的遥感影像融合方法.2003，18（4）：248-253[13] 郭雷，李晖晖，鲍永生.电子工业出版社2008.2[14] 宋国乡，甘小冰.数值泛函及小波分析初步.郑州：河南科学技术出版社，1993.[15] 李晖晖，郭雷，刘航.基于梯度选取规则的小波变换在图像融合中的研究.计算机工程与应用，2005，41（12）：76-78[16] 刘坤，郭雷，李晖晖，一种基于静态小波变换的图像融合算法.计算机工程与应用，2007，43（12）：59-61[l7] 李伟.像素级图像融合方法及应用研究.广州：华南理工大学，2006：27-41[18] 王海晖，彭嘉雄，吴巍.基于小波变换的遥感图像融合.中国图象图形学报，2002，7A(9)：932-937[19] 杨静，王岩飞，刘波.一种新的非抽取提取提升结构小波变换图像融合方法.光子学报，2004，33（6）：728-731[20] 李玲玲，丁明跃，周成平等.一种基于提升小波变换的快速图像融合方法.小型微型计算机系统，2005，26（4）：667-670.。