圖像融合中的關鍵技術研究.pdf

1、圖像融合是將兩個或者兩個以上的傳感器在向一時間或不同時間獲取的關于某個具體場景的圖像或者圖像序列信息加以綜合，以生成一個新的有關此場景的解釋。圖像融合的主要目的是減少不確定性，它通過對多幅圖像間冗余信息的處理來提高圖像的可靠性，通過對多幅圖像間互補信息的處理來提高圖像的清晰度。近年來，圖像融合已經(jīng)成為眾多學科感興趣的研究熱點。 本文以像素級圖像融合為主要研究方向，針對圖像融合過程中的濾波、優(yōu)化計算、配準和融合等幾個關鍵問題進行了

2、較為深入的研究，提出了一些新的思想、方法和實現(xiàn)途徑。在研究思路上，本文將計算智能中的粗糙集理論、粒子群優(yōu)化算法和小波分解技術應用于圖像濾波、配準和融合中，在推動圖像融合技術向自動化、通用化和智能化方向的發(fā)展做了一些有益的嘗試。 圖像濾波是圖像融合的預處理步驟，它對圖像配準的精度和圖像融合的效果有重要的影響。本文對圖像中常見的脈沖噪聲提出了兩種新的濾波方法：(1)基于雙窗口和極值壓縮的自適應脈沖噪聲濾波方法，它采用噪聲檢測窗口與噪

3、聲濾除窗口相分離策略、極值壓縮策略以及介于中值濾波和最值濾波之間的自適應濾波等策略相結合，以提高噪聲檢測的準確性和噪聲濾除的有效性。(2)基于粗糙集理論和差分圖像的脈沖噪聲濾波方法，它采用粗糙集方法，根據(jù)差分圖像獲得的方向數(shù)和極值方向數(shù)將圖像劃分為平穩(wěn)噪聲子圖、脈沖噪聲子圖和正常像素子圖，然后針對不同子圖分別采用不同的噪聲濾除方法。實驗表明這兩種方法比中值濾波及其它改進方法具有更好的濾波性能。 優(yōu)化計算技術對圖像配準和融合的效果

4、和效率起著重要的影響。本文提出了無粒子速度參量和帶極值擾動的粒子群優(yōu)化方法。本文首先從理論上分析和證明了粒子群優(yōu)化方程中的粒子速度參數(shù)不是必需的，進而提出了不含粒子速度參數(shù)的簡化粒子群優(yōu)化算法，使得進化方程由二階降為一階；然后分析了粒子群優(yōu)化算法容易陷入局部極值的原因，并設計了極值擾動算子使粒子群優(yōu)化算法快速擺脫局部極值。實驗結果表明，無速度參量的粒子群優(yōu)化算法能夠極大地提高收斂速度和精度；極值擾動算子能夠有效擺脫局部極值點；以上兩種策

5、略相結合，使得改進的呢子群優(yōu)化算法以更小的種群數(shù)和迭代進化次數(shù)獲得了更好的優(yōu)化效果，從而使得粒子群優(yōu)化算法更加實用化。 圖像配準的目的是消除或減小圖像在時間、空間、相位和分辨率等方面的差異，它是圖像融合的重要步驟。本文提出了一種基于小波分解和粒子群優(yōu)化算法的圖像配準新方法。該方法將圖像配準分為粗配準和精配準兩個階段，在粗配準階段，采用改進的粒子群優(yōu)化方法，以互信息為圖像配準的測度，對兩幅待配準圖像小波分解后的低頻系數(shù)分量進行配準

6、；在精配準階段，采用變量輪換法在以粗配準結果參數(shù)為基準的小鄰域內(nèi)搜索更優(yōu)結果。實驗表明，該方法是一種具有抗噪聲、精度高、配準成功率高等特點的通用的剛體圖像全自動配準方法，具有良好的應用前景。 圖像融合的最核心問題是設計融合規(guī)則以求取待融合圖像中對應位置像素的融合系數(shù)。常見的兩種計算融合系數(shù)的依據(jù)是像素值和區(qū)域特征值。本文從另外一個角度提出了一種基于差值圖像分割的加權圖像融合方法，它采用改進的粒子群優(yōu)化方法在空間域或小波分解域求解