题目：基于多尺度变换的多聚焦图像融合方法研究

多聚焦图像融合技术能够解决同一光学传感器在对同一场景成像时，由于场景目标与镜头距离的差异导致景深的不同，不能在同一图像中的使得所有目标都聚集清晰的问题。随着以小波变换为代表的多尺度分析工具的出现和完善，多聚焦图像融合技术也得到长足发展。目前，多聚焦图像融合的难点和热点主要集中在频率域高频系数的选取问题。本文选题基于多尺度变换的多聚焦图像融合方法研究，旨在利用Contourlet变换等多尺度分析工具，研究频率域图像融合新方法。
论文的主要创新工作包括：
(1)利用非下采样Contourlet变换(NonsubSampled Contourlet Transform, NSCT)的各向异性以及平移不变性等特点，提出了一种基于人工蜂群算法的综合性能最优的图像融合方法。该方法首先选择融合图像的多个客观评价标准构建综合性能指标，对原始图像进行NSCT分解，得到低频和高频系数，然后根据NSCT系数特性和区域能量，利用人工蜂群算法并行搜索高频系数融合的最优权重。再利用融合的高频系数和平均法确定的低频系数重构综合性能最优的融合图像。实验结果表明该算法优于主成分分析法、金字塔分解法和小波变换法等多种融合方法。
(2)提出一种结构相似度与区域能量相结合的自适应多聚焦图像融合方法。该方法首先对待融合图像进行Curvelet分解，然后对低频部分采用加权平均法，高频部分则根据结构相似度与区域能量来确定，最后通过Curvelet逆变换重构融合图像。实验结果显示，该方法不仅能够自适应的对多聚焦图像进行有效融合，而且其融合图像的信息熵、标准差和清晰度等指标均优于主成分分析法、拉普拉斯金字塔法及小波变换法等常见的多种融合方法。
(3)提出一种灰色关联度与区域能量相结合的Curvelet域多聚焦图像融合方法。该方法首先对待融合图像进行Curvelet分解，然后对低频部分采用加权平均法，高频部分则根据灰色关联度来确定融合后的高频系数，最后通过Curvelet逆变换重构融合图像。实验结果表明，该方法所得的融合图像的信息熵、标准差和清晰度等指标均优于主成分分析法、平均值法、像素值取大/取小法、拉普拉斯金字塔法、FSD金字塔法、比率金字塔法、对比度金字塔法、梯度金字塔法、数学形态金字塔法以及小波变换法等十余种融合方法。