可视化增强的变分与分数阶微分图像融合研究

Image fusion provides the means to integrate the multiple images acquired by different sensors in a same scene (or the same sensors at the different time or manner) into a composite image which is more suitable for the purposes of improving utilization of the source images information and increasing the accuracy of the computer interpretation and reliability. Currently, most of the image fusion methods are proposed with an assumption that the source image is clean and clear. Obviously, the assumption is not practical in many scenes. The purpose of this project is to improve the visualization level of the fused image. Based on the image fusion modeling，the construction of fusion model with multiple functions and the realizing of the fused image visualization enhancement will be investigated in the project. During the image fusion modeling, the source images are considered as the multi-channel image, then the relationship of the fused image and the source images is constructed based on the cartoon - texture decomposition of the multi-channel image. Finally, the initial image fusion and denoising model is established. With the visual condition of the source images，adjustable visual enhancements is introduced into the initial image fusion and denoising model in order to enhance the visualization level of the fused image. This study not only contributes to the theory and algorithms of image fusion, but also promotes the application of the fusion algorithm.

图像融合是将不同类型的传感器(或同一类型的传感器在不同时间或方式下)所获取的某一场景的多幅图像信息进行综合,生成一幅有关该场景的解释，以提高图像信息的利用率，改善计算机解译精度和可靠性。然而，当前的图像融合方法大都是在假设源图像具有较好的视觉可视化水平条件下提出的，这显然不能满足现实的需要。 本课题以提高融合图像的可视化水平为目的，从分数阶微分与变分图像处理的理论出发，研究具有多重功能的图像融合模型的构建，实现融合图像的可视化增强。在融合模型的建立上，拟将源图像看成一幅多通道图像，接着根据多通道图像的卡通-纹理分解结果建立融合图像与源图像的一种特定关系，初步实现融合去噪模型的建立。考虑到源图像的可视化状况，在建立的融合去噪模型中引入可调的自适应可视化增强功能，从而达到增强融合结果可视化水平的目的。本研究不仅对图像融合理论与算法有所贡献，而且能促进融合算法的应用。

（1）项目的研究背景及意义.图像融合是将不同类型的传感器(或同一类型的传感器在不同时间或方式下)所获取的某一场景的多幅图像信息进行综合,生成一幅有关该场景的解释，以提高图像信息的利用率，改善计算机解译精度和可靠性。在当前的图像融合方法中，大多数研究都是假设源图像在精确配准、无噪、清晰的情况下取得的。这类算法往往功能单一，不能直接对不同环境条件下所采集的图像进行融合处理。然而，现实中所采集到的图像可能会受到光照、环境、传感器等因素的影响，使得所获取的图像视觉效果并不理想。此时采用先前所设计的融合方法并不一定能获得较为满意的融合效果。在噪声环境下，传统融合方法甚至并不一定是有效的。显然，这类对源图像具有较高要求的融合方法极大地限制了算法的应用推广，更不能满足现实的需求。.为解决上述方法中存在的问题，更好地促进图像融合技术的发展与应用，本项目研究的重点集中在提高融合图像的可视化水平上，开展了如下几个方面的研究并取得了预期的研究成果。.（2）主要研究内容及其重要结果.针对图像融合中存在的问题，本项目开展了如下几个方面的研究：.1）研究了低分辨率多源图像融合与超分辨率重建模型的构建以及相关算法的设计。解决了实际输入图像分辨率低而导致融合结果分辨率也低的问题。同时，避免了图像融合与超分辨率重建分开处理而带来的不足。.2）研究了多聚焦图像融合中，可视化水平的提升、源图像信息的保留等相关问题。在该问题的研究中，设计了基于多尺度邻域的差值图像驱动的多聚焦图像融合视觉质量的提升方案，解决了源图像信息的丢失以及不同区域之间人为虚假信息的引入。.3）研究了基于图像分解的噪声图像融合问题。针对噪声图像的融合，传统的方法是先去噪再融合，这样做不仅会丢失更多的源图像信息而且还会将去噪过程中引入的虚假信息传递到融合结果中，影响融合图像的视觉效果。针对该问题，研究了基于图像低秩-稀疏成分分解与卡通-纹理分解的医学图像融合与去噪，提出了相应的解决方案，得到了视觉信息满意的融合结果。