基于多目標(biāo)優(yōu)化的圖像融合算法研究.pdf

1、近年來，圖像融合已成為圖像理解和計算機視覺領(lǐng)域中一項重要而有用的新技術(shù)，如何進一步提高圖像預(yù)處理質(zhì)量、融合質(zhì)量和融合效率等一直是圖像融合技術(shù)中的關(guān)鍵問題。由于圖像處理技術(shù)的飛速發(fā)展，傳統(tǒng)的變換方法，如主成分分析法、小波變換等已不能滿足復(fù)雜圖像的處理要求。本文在多尺度幾何分析的基礎(chǔ)上，將單目標(biāo)優(yōu)化和多目標(biāo)優(yōu)化引入到圖像融合處理機制中，并采用群智能的啟發(fā)式進化算法來解決圖像融合中的優(yōu)化問題。論文的主要創(chuàng)新點如下：
　　(1)提出了基于

2、對比度塔分解的“教與學(xué)”優(yōu)化融合算法(TLBO CP)，即在對比度塔(CP)分解的基礎(chǔ)上，自適應(yīng)地選取融合權(quán)重值，主要是通過“教與學(xué)”優(yōu)化算法(TLBO)經(jīng)過向“老師”學(xué)習(xí)和“同學(xué)”之間相互學(xué)習(xí)，先搜索到最優(yōu)區(qū)域范圍，再從中找到最優(yōu)解。利用該方法對遙感圖像和紅外與可見光圖像進行融合實驗，取得了較好的融合效果，但算法的實時性不高，并且由于TLBO自身的缺陷容易讓整個融合算法的解陷入局部最優(yōu)。
　　(2)針對(1)中融合方法的不足，我

3、們提出了基于對比度塔分解的Baldwinian克隆選擇優(yōu)化融合算法(BCSA_CP)。它通過遺傳多態(tài)性的增加和最優(yōu)區(qū)域的擴張可以加快算法的進化速度，同時，較小的計算復(fù)雜度減少了每次迭代所花費的時間，能更快地達到融合系數(shù)的最優(yōu)值，并且利用相應(yīng)的算子保證算法能收斂到全局最優(yōu)解，避免了早熟現(xiàn)象，對遙感圖像進行了仿真實驗，獲得了較好的融合效果。
　　(3)提出了基于分解的多目標(biāo)優(yōu)化融合算法(MOEA/D_CP)，該方法針對圖像融合處理中的