多傳感器圖像融合理論及其應(yīng)用研究.pdf

1、多傳感器圖像融合是以圖像為研究對象的信息融合，它把對同一目標(biāo)或場景的用不同傳感器獲得的不同圖像，或用同種傳感器以不同成像方式或在不同成像時間獲得的不同圖像，融合為一幅圖像，在這一幅融合圖像中能反映多重原始圖像的信息，以達(dá)到對目標(biāo)和場景的綜合描述，使之更適合視覺感知或像醫(yī)療應(yīng)用、目標(biāo)檢測與分類等計算機處理任務(wù)。它是一門綜合了傳感器、信號處理、圖像處理和人工智能等技術(shù)的新興學(xué)科分支。近些年來，多傳感器圖像融合己成為圖像理解和計算機視覺領(lǐng)域中

2、一項重要而有用的新技術(shù)。
　　 多傳感器圖像融合的處理通?？稍谝韵氯齻€不同層次上進(jìn)行：像素級、特征級、決策級。本文在分析國內(nèi)外多傳感器圖像融合方法的基礎(chǔ)上，主要對像素級和特征級融合技術(shù)以及多傳感器圖像融合評價方法等三個方面進(jìn)行了研究，論文的主要學(xué)術(shù)貢獻(xiàn)和工作如下：
　　 (1)在像素級圖像融合算法研究方面提出了三種算法。具體地有：提出一種新的基于窗體以及多目標(biāo)向量求值的量子粒子群優(yōu)化算法(VEQPSO)的圖像融合方法。低

3、頻子帶采用基于灰度關(guān)聯(lián)分析的VEQPSO算法完成融合過程。高頻部分劃分窗體，根據(jù)不同的窗體類型，運用窗體信息能量和模糊熵指導(dǎo)融合策略；提出了一種改進(jìn)的形態(tài)學(xué)小波多聚焦圖像融合算法；針對形態(tài)學(xué)小波融合方法(MMWF)在重構(gòu)尺度信號時由于發(fā)生位置錯誤而導(dǎo)致灰度值下溢的問題，采用了檢測-重融合的方法，該方法保留了MMWF快速、有效、易于實現(xiàn)等優(yōu)點，同時融合效果也得到了提高；針對統(tǒng)計模型的遙感圖像多分辨率融合方法中需要設(shè)置相關(guān)門限以及約束條件、

4、參數(shù)過多，使得算法復(fù)雜度增加的問題，提出一種改進(jìn)的算法。該算法將約束條件變形，然后將其融合在目標(biāo)函數(shù)中，構(gòu)造新的目標(biāo)函數(shù)，通過最大化拉格朗日函數(shù)求偏導(dǎo)數(shù)的方法估計參數(shù)。該算法可以避免原始算法中的參數(shù)設(shè)置，并且融合圖像的空間分辨率和光譜保持能力均能達(dá)到較好的效果，算法魯棒性增強并且復(fù)雜性降低。
　　 (2)在多特征圖像融合算法研究方面提出了四種算法。論文在研究基于多特征模糊聚類的圖像融合方法的基礎(chǔ)上，提出了基于卡爾曼濾波的噪聲圖像

5、的融合方法。該方法結(jié)合了濾波和多特征的優(yōu)點，可提高融合效果，減少圖像噪聲對融合的干擾；將多通道Gabor濾波與區(qū)域方法結(jié)合，提出了新的區(qū)域相似性度量方法用于圖像融合。研究表明，該方法的融合性能對于Gabor濾波器參數(shù)（徑向中心頻率和方向角）的選取不敏感，算法具有一定的穩(wěn)定性；針對FCM算法容易陷入局部最優(yōu)的弱點，選用量子粒子群算法與模糊C均值聚類(FCM)相結(jié)合的方法(QPSO-FCM)。鑒于QPSO-FCM具有很好的分割效果，將全局優(yōu)

6、化算法QPSO引入多特征圖像融合過程中，這將有利于融合效果的提高；提出一種新的基于二次融合多特征的融合方法，研究表明，這種二次融合方法對多聚焦圖像融合有很好的效果。
　　 (3)多傳感器圖像融合評價方面，在對經(jīng)典的圖像融合評價方法研究的基礎(chǔ)上，提出了新的圖像融合客觀評價方法?？紤]到人對區(qū)域信息更為敏感，因此算法將圖像進(jìn)行區(qū)域分割，利用區(qū)域特征矩陣表示區(qū)域中的空間、紋理和灰度信息等內(nèi)容，算法更適合于評價。針對是否有參考圖像，本文提