多傳感器多分辨率圖像融合算法研究.pdf

1、圖像融合技術(shù)作為信息領(lǐng)域一個(gè)被廣泛研究研究的熱點(diǎn)，能夠最大程度地利用多傳感器的優(yōu)勢(shì)，獲得關(guān)于同一目標(biāo)相同的冗余信息和不同的具有互補(bǔ)性質(zhì)的信息，進(jìn)而得到更為全面、準(zhǔn)確的目標(biāo)特征，在醫(yī)療以及國(guó)防領(lǐng)域應(yīng)用廣泛并得到了快速發(fā)展。由于同一目標(biāo)在不同條件下通過(guò)性質(zhì)各異的傳感器獲得的圖像信息之間往往存在著平移、縮放、旋轉(zhuǎn)等幾何變換關(guān)系，所以在進(jìn)行圖像融合的時(shí)候首先需要考慮的是如何通過(guò)幾何變換將它們變換到一個(gè)統(tǒng)一的坐標(biāo)系下，這就是圖像配準(zhǔn)問(wèn)題。配準(zhǔn)的質(zhì)

2、量直接影響到融合的效果，因而圖像配準(zhǔn)也是一個(gè)需要著重研究的課題。本文主要的工作分為以下幾個(gè)方面：
　?。?）研究了圖像配準(zhǔn)常用的理論和方法。針對(duì)紅外及可見(jiàn)光的特點(diǎn)，通過(guò)分析已有的特征提取算法，決定采用SIFT算法提取待匹配圖像的特征點(diǎn)和特征向量，并采用合適的距離比閾值在提取出的特征點(diǎn)之間篩選出匹配的特征點(diǎn)對(duì)。
　?。?）由于一些情況下SIFT算法提取出的極值點(diǎn)的數(shù)量較多，導(dǎo)致后續(xù)特征描述子的生成以及特征向量的匹配運(yùn)算量極大，

3、與本課題實(shí)時(shí)性的要求有一定的差距，所以本文提出了兩種改進(jìn)方法。第一種是利用SIFT算法在多尺度空間進(jìn)行極值點(diǎn)檢測(cè)之后，將它們作為初始的特征點(diǎn)，然后利用Harris角點(diǎn)檢測(cè)算子對(duì)這些特征點(diǎn)進(jìn)行逐一篩選，將具有較大角點(diǎn)響應(yīng)函數(shù)值的點(diǎn)作為最終的特征點(diǎn)進(jìn)行后續(xù)計(jì)算；第二種是在SIFT算法生成特征描述符時(shí)，利用主成分分析（PCA）算法，將原算法生成的128維特征點(diǎn)描述符成功降為36維，大大減少了計(jì)算量。實(shí)驗(yàn)結(jié)果顯示，上述改進(jìn)方法在不影響配準(zhǔn)精確度

4、的情況下大大提高了算法的運(yùn)行速度，很好的滿足了實(shí)時(shí)性的要求。
　?。?）采用RANSAC算法對(duì)SIFT算法篩選出的初步匹配的特征點(diǎn)對(duì)進(jìn)行匹配，去除誤匹配的點(diǎn)對(duì)并進(jìn)一步通過(guò)最小二乘算法得到圖像的幾何變換矩陣，利用該變換矩陣對(duì)待配準(zhǔn)圖像進(jìn)行變換。
　?。?）研究了紅外及可見(jiàn)光圖像的融合算法。首先介紹了加權(quán)平均融合、拉普拉斯金字塔融合、小波融合等常用的圖像融合算法。針對(duì)離散小波變換的不足，提出利用基于平移不變小波變換（SIDWT）