基于尺度选择的特征级多尺度图像融合算法研究

The current image fusion algorithms are mainly performed in the pixel level, and the majority of them are based on multi-scale analysis. However, these methods have not considered the scale inconsistent problem between the subbands obtained by multi-scale decomposition. This factor would make the fused image blurry and degrade the fusion quality, or even introduce a great deal of pseudo-information. Based on the analysis of this problem, we promote the multi-scale fusion algorithm to the feature level, in which the ridge feature is selected to conduct the research on the multi-scale feature level image fusion algorithm since it is rich of the relevant characteristics for fusion analysis. First, we investigate the multi-scale decomposition and description of the ridge feature, as well as the automatic scale selection method for ridge fusion. Then, the fusion problems arising in the pixel level are transferred to the ridge feature space of similar scale for better analysis, and the similar scale ridge fusion algorithm would be proposed. Finally, the feature level fused result is reconstructed from the fused multi-scale ridge features. The goal of this project is to solve the challenging fusion problems in the pixel level, as well as to make up the deficiency in the development of feature level image fusion theory and application, and therefore to promote the development of multi-source image fusion technique.

当前的图像融合算法主要集中在像素级，其中基于多尺度分解的融合算法又占有主导地位。但这些方法在多尺度分解之后并没有考虑子信息之间尺度的不一致性，而这种尺度的不一致性在融合时会导致图像变模糊，融合质量下降，甚至出现较多的伪信息。本项目以此问题为出发点，将多尺度融合算法的研究上升到特征级，选择图像中具有丰富特性的脊特征(Ridge)，开展基于尺度选择的特征级多尺度图像融合研究。首先，研究脊特征多尺度分解与表示，以及脊特征融合中的自动尺度选择问题。在此基础上，将像素级存在的各种融合问题反映到相似尺度脊特征空间中进行分析，研究相似尺度脊特征融合方法。最后通过多尺度脊特征重构获得具有丰富细节信息的特征级图像融合结果。通过本项目的研究不但能够解决各种像素级难以解决的融合问题，而且能够弥补特征级融合理论发展和实际应用的不足，进一步推动多源图像融合理论和技术的发展。

为解决多尺度图像融合过程中经常存在的图像信息尺度不一致性等问题，本项目主要围绕图像信息的多尺度特征分解与表示，具有尺度选择性和适应性的多尺度分解信息融合，以及融合图像的生成和增强等研究内容展开一系列研究，旨在大幅度提升传统多尺度算法的图像融合性能。为此，在分析传统多尺度分解方法优缺点的基础上，研究提出了一种基于双边和高斯滤波的混合多尺度分解方法，实现了不同尺度细节特征和边缘特征的分离，更适合于用来对红外可见光异源图像信息进行融合处理。考虑不同尺度水平信息的特性不同，提出了一种具有更好尺度选择和适应性的多尺度分解信息融合策略。研究了不同尺度融合权重计算和信息合成方法，给出了待融合图像视觉增强和基于人类视觉感知对比度的融合参数自动选取方法，使融合图像能更好地同时呈现显著目标和背景细节信息。本项目通过进一步研究还指出了以往多尺度融合算法存在的一些共性问题，给出了提升融合图像视觉效果的指导性策略和思想；指出具有尺度敏感特性和边缘保持特性的多尺度分解对于图像信息融合的重要性，并通过研究给出了一种同时具有较好尺度敏感特性和边缘保持特性的图像滤波分解方法。上述研究成果切实解决了传统多尺度图像融合算法存在的一些问题，有利于促进相关融合技术的发展。