基于多目標(biāo)優(yōu)化的圖像融合算法研究.pdf

1、近年來(lái)，圖像融合已成為圖像理解和計(jì)算機(jī)視覺(jué)領(lǐng)域中一項(xiàng)重要而有用的新技術(shù)，如何進(jìn)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(wèn)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(jī)制中，并采用群智能的啟發(fā)式進(jìn)化算法來(lái)解決圖像融合中的優(yōu)化問(wèn)題。論文的主要?jiǎng)?chuàng)新點(diǎn)如下：
　　(1)提出了基于

2、對(duì)比度塔分解的“教與學(xué)”優(yōu)化融合算法(TLBO CP)，即在對(duì)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(guò)“教與學(xué)”優(yōu)化算法(TLBO)經(jīng)過(guò)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?gòu)闹姓业阶顑?yōu)解。利用該方法對(duì)遙感圖像和紅外與可見(jiàn)光圖像進(jìn)行融合實(shí)驗(yàn)，取得了較好的融合效果，但算法的實(shí)時(shí)性不高，并且由于TLBO自身的缺陷容易讓整個(gè)融合算法的解陷入局部最優(yōu)。
　　(2)針對(duì)(1)中融合方法的不足，我

3、們提出了基于對(duì)比度塔分解的Baldwinian克隆選擇優(yōu)化融合算法(BCSA_CP)。它通過(guò)遺傳多態(tài)性的增加和最優(yōu)區(qū)域的擴(kuò)張可以加快算法的進(jìn)化速度，同時(shí)，較小的計(jì)算復(fù)雜度減少了每次迭代所花費(fèi)的時(shí)間，能更快地達(dá)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(duì)遙感圖像進(jìn)行了仿真實(shí)驗(yàn)，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(duì)圖像融合處理中的