翻译作业1..docxVIP

可变本振频率的基于多光谱的图像融合摘要聚焦测度还有融合算法的设计在不同的光谱下都能表现得很好在一个极端恶劣的环境下。在本篇论文中，多光谱多焦点的图像融合致力于利用原图像的相位信息在不同的方向上。我们提取本振频率、像素的相位、为了获得一个特殊的图像焦点。基于可变滤波器的理论的图像分析就是因为这个而建立的。一个多焦点的图像融合算法就应用了这种设备。多方面的实验表明聚焦测度还有多焦点的融合算法都期望作用在VIS,NIR,TH光谱区域内。1.简介在过去十年，中图像融合与几个重要应用程序的多样化医学、监测和遥感等领域所带来了影响许多研究人员感兴趣 [1]。多焦点图像融合的目的是整合的多个图像同一场景拍摄在不同焦点设置到一个全部焦点的像素。这全部焦点图像可以被认为是一个整体最好的集中像素从组中提取源图像。根据Stathaki[2]多焦点图像融合方法可以大致分为空间域方法和变换域方法。在空间域方法[3,4],融合规则是直接应用于像素或地区一个图像。相比之下,在变换域方法,图像最初是由离散余弦处理,小波和其他类似的转换前的融合规则 [5]。多焦点的图像融最重要的不住在于源图像的质量[6、7]。Zukal 等人介绍了集中通过利益衡量的焦点检测[8]。图像中具有显著的兴趣点当地的变化如一个角落或结。最近,发现基于兴趣点的重点措施多光谱图像已经得到普及。大部分的这些措施是基于　　强度[9]。然而,一些兴趣点检测方法发现使用频率和相位一致[10,11]。在目前的工作,我们计算像素的局部频率从它们图像的不同相位在不同方向上的。提出的可操纵的当地频率(本地频率考虑在不同方向)建立集中测量显示在(VIS),近红外(NIR)和热(TH)各种表现良好。我们进一步说明这个焦点测量收益率多光谱多焦点图像融合性能好。剩下的论文我们以以下方式组织: 第二部分,我们将讨论一些流行的措施和多焦点图像融合方案的局限性和突出贡献。在第三部分中,我们提供必要的理论基础。在第四部分中,我们详细描述了该方法。在第五部分中,我们比较了该方法的性能与一些现有的方法。最后,本文得出的结论。第六部分为未来的研究方向的概述2.近期工作多焦点图像融合包括两个主要步骤,即重点测量计算及其在图像融合中的应用。　　我们首先讨论现有集中的某些限制措施。然后用当前图像融合方法进行了分析。　　重点测量算法分为四大类,如导数为基础,统计数据为基础,基于直方图和直觉。在[12],刘等人评估性能十八焦点措施。例如，梯度的 (能量),SML(拉普拉斯算子的总和),EOL拉普拉斯算子的(能量)、TEN(Tenengrad) ，从上述四类显微图像，所有的以上重点措施是基于像素强度的变化。这些方法有一些缺点,比如,性能与光谱变异源图像的内容不敏感。散焦,起伏噪声内容和狭窄的效果的范围内。为了克服这些限制,Minhasetal提出[13]一种新型高效集中的形状测量焦点(设定触发器)应用程序。另一种方法,田和陈[14]检查统计细节小波系数进行锐度测量输入图像。赵等提出[15]相关的灰度的程度表面曲率的清晰度图像区域。但这些试图衡量焦点只局限于视觉光谱。在其他热和近红外光谱,更少的重点措施工作报告由于现场查看的情况下不可用手动对焦,和有限的决议以及缺乏相机的自动对焦功能。Faundez-Zanuy等[16]提出确定最佳焦点位置的热图像的问题。Zukal等[9]提出了一种测量基于焦点兴趣点检测(IPD)实现统一的表现多光谱成像。结果表明,这种关注的措施执行热比标准的重点措施。但是仍然延迟了的视觉图像和近红外光谱。许多融合算法在文献中是可用的。这些算法在像素级或区域水平,以及在空间变换域。空间域像素级算法是受欢迎的,由于其计算效率[2]。基于多分辨率变换算法是首选如今由于其健壮性能[17]。在变换域内,离散小波基于变换(DWT)的算法,虽然执行比拉普拉斯算子的金字塔变换(LPT),取向有限[18]。更多的改进技术包括平稳小波变换的多分辨率变换(SWT),曲波变换(CVT),Contourlet变换(CT),双树复小波变换(DTCWT)和Non-Subsampled Contourlet变换(NSCT)[17、18]。在[17],李等人的性能评估这样的多分辨率转换多焦点图像融合的视觉光谱。贝奈斯等。[19]提出了一种新的多焦点热图像,采用图像融合算法基于修改EOL像素级加权平均。但这样的线性组合往往未能保留原始信息在融合源图像导致降解性能。因此,现有文献清楚地表明,设计一个焦点测量和应用融合在不同光谱仍然构成　　相当大的挑战。在本文中,我们提出一个新颖的焦点测量使用基于可操纵的地方频率的兴趣点检测。一个最近的工作报告像素强度在不同方向被认为是获取焦点测量[13]。然而,一个像素比强度[20]携带更多的有用的信息。我们所知,这这一频