1、圖像融合在近三十年的研究歷程中,取得了豐富的研究成果,并在監(jiān)控、醫(yī)療、遙感等領(lǐng)域得到了廣泛應(yīng)用。傳統(tǒng)的變換域圖像融合方法通?；谀撤N多尺度變換,如各類金字塔變換、小波變換、超小波變換等等。Shearlet變換是近幾年提出和逐漸成熟的超小波變換的一種,克服了傳統(tǒng)小波變換缺乏方向表達能力的缺點同時能采用相同的方式處理離散和連續(xù)數(shù)據(jù),目前基于Shearlet變換的圖像融合研究相對較少。從實現(xiàn)上Shearlet變換分為頻域Shearlet變換實

2、現(xiàn)和空域Shearlet變換實現(xiàn)兩類。本文以基于Shearlet變換的圖像融合方法為研究課題,重點研究了基于不同類型Shearlet變換的不同場合的圖像融合方法。研究內(nèi)容主要分為四部分:
　　基于Shearlet變換的通用圖像融合框架:提出基于頻域和空域的Shearlet變換的融合方法。其中,緊支Shearlet變換屬于空域Shearlet變換的一種,傳統(tǒng)的緊支Shearlet變換實現(xiàn)是移變的。移變性會導(dǎo)致融合圖像中出現(xiàn)失真。本文

3、研究了結(jié)合基于cycle spinning的融合方法——通過后處理的方式消除融合圖像中的失真,和直接消除變換移變性的融合方法——利用雙樹結(jié)構(gòu)構(gòu)造(幾乎)移不變的雙樹緊支Shearlet變換,再將其應(yīng)用到融合算法中,達到提升融合圖像質(zhì)量的目的。通過多組數(shù)據(jù)評估融合方法的性能。
　　基于雙樹緊支Shearlet變換的多焦距圖像融合方法:提出基于雙樹緊支Shearlet變換和多方向決定圖的多焦距圖像融合方法,在通用融合方法的基礎(chǔ)上進一步

4、提升多焦距融合圖像的性能。
　　基于Shearlet變換和PCA、IHS變換的遙感圖像融合方法:遙感圖像融合又稱全色銳化。本文提出基于Shearlet變換結(jié)合PCA、IHS變換的遙感圖像融合方法,并通過IKONOS和 Quick Bird衛(wèi)星遙感圖像性能評估。實驗表明本基于雙樹Shearlet變換的遙感圖像融合方法性能優(yōu)于基于頻域Shearlet變換或小波、曲波等變換的融合方法。
　　基于Shearlet變換的三維磁共振圖像

5、融合方法:越來越多的醫(yī)學(xué)設(shè)備能采集和生成人體結(jié)構(gòu)的三維圖像,傳統(tǒng)的圖像融合研究主要針對二維圖像的情況,直接將其應(yīng)用于三維圖像融合,會導(dǎo)致第三維信息的損失。本文提出基于Shearlet變換的三維磁共振圖像融合方法:首先將雙樹緊支Shearlet變換推廣至三維,并結(jié)合圖像結(jié)構(gòu)張量,提出基于組織結(jié)構(gòu)類型的特征級三維醫(yī)學(xué)圖像融合方法。通過多組T2*和磁量圖人腦磁共振圖像對算法性能進行驗證評估。發(fā)現(xiàn)基于三維雙樹Shearlet變換和結(jié)構(gòu)張量的方法