题目：像素级多聚焦图像融合算法研究

图像融合指将不同传感器得到的多幅图像根据某种算法进行综合处理，得到一幅新的、满足某种需要的图像的技术。图像融合的目的是通过对多幅图像信息提取与综合，从而获得对同一场景、同一目标更为准确、全面和可靠的图像描述。融合处理后得到的图像弥补了单一、孤立的源图像在信息表述上的不足，更适合人的视觉感知和计算机处理。
多聚焦图像融合指将多幅成像条件和场景相同而聚焦不同的图像，根据多聚焦图像融合算法得到一幅全景都清晰的图像的技术。目前，用于多聚焦图像融合方法很多，主要分为传统融合方法、多分辨率分析方法和智能化方法。
本文重点研究了像素级多聚焦图像融合算法，对图像块法、小波变换法和curvelet变换法进行了较深入地研究和探讨。本文将图像块分割引入多聚焦图像融合中，以小波空间频率作为多聚焦图像的清晰度指标。文中通过计算小波空间频率，判断出图像的清晰程度，并将图像划分为清晰区域、模糊区域及二者的交界区域。在基于图像块的多聚焦图像融合方法中，将清晰区域对应图像块的像素值直接应用于融合图像，关于二者交界区域的融合图像像素值选取问题，本文共提出两种算法来解决。
第一种算法是计算窗口空间频率，采用窗口空间频率大者的像素值作为交界处的像素值。第二种算法是对提取出的交界区域直接选取小波变换所得初始融合图像对应位置处的像素值。实验结果表明，文中提出的两种算法均提高了融合质量，改善了融合效果。
Curvelet变换作为一种新兴的多分辨率分析方法，继承了小波变换优良的空域和频域局部特征，并克服了小波在表达图像边缘方向特征等方面的缺陷。本文分析了第一代和第二代curvelet变换，并描述了文中所使用的第二代curvelet变换实现过程。为了更好地说明curvelet变换在边缘表示上的优越性，文中将curvelet变换和小波变换进行了相同融合规则下的融合结果比较。实验结果表明，基于curvelet变换所得融合图像更清晰、边缘处更平滑。本文共提出了两种改进算法来提高curvelet变换的融合效果。
第一种改进算法是将curvelet变换与图像块分割相结合，将图像划分成三个区域：清晰区域、模糊区域及二者的交界区域，对清晰区域直接选取对应源清晰图像的像素值，对二者的交界区域，选取 curvelet变换所得初始融合图像对应位置处的像素值。实验结果表明，该算法的融合效果要优于基于curvelet变换的融合效果
第二种改进算法是将curvelet变换与区域能量相结合，首先将两幅源图像分别进行curvelet变换，然后对所得curvelet低频系数采取加权平均的融合规则，高频系数采取基于区域能量值取大的融合规则，最后进行重构得到融合图像。该算法考虑了邻域像素之间的相关性，提高了融合质量。最后对本文研究工作进行了总结和展望。