多傳感器圖像融合理論及其應用研究.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，以達到對目標和場景的綜合描述，使之更適合視覺感知或像醫(yī)療應用、目標檢測與分類等計算機處理任務。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的新興學科分支。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域中

2、一項重要而有用的新技術。
　　 多傳感器圖像融合的處理通?？稍谝韵氯齻€不同層次上進行：像素級、特征級、決策級。本文在分析國內外多傳感器圖像融合方法的基礎上，主要對像素級和特征級融合技術以及多傳感器圖像融合評價方法等三個方面進行了研究，論文的主要學術貢獻和工作如下：
　　 (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聯分析的VEQPSO算法完成融合過程。高頻部分劃分窗體，根據不同的窗體類型，運用窗體信息能量和模糊熵指導融合策略；提出了一種改進的形態(tài)學小波多聚焦圖像融合算法；針對形態(tài)學小波融合方法(MMWF)在重構尺度信號時由于發(fā)生位置錯誤而導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置相關門限以及約束條件、

4、參數過多，使得算法復雜度增加的問題，提出一種改進的算法。該算法將約束條件變形，然后將其融合在目標函數中，構造新的目標函數，通過最大化拉格朗日函數求偏導數的方法估計參數。該算法可以避免原始算法中的參數設置，并且融合圖像的空間分辨率和光譜保持能力均能達到較好的效果，算法魯棒性增強并且復雜性降低。
　　 (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（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，在對經典的圖像融合評價方法研究的基礎上，提出了新的圖像融合客觀評價方法。考慮到人對區(qū)域信息更為敏感，因此算法將圖像進行區(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容，算法更適合于評價。針對是否有參考圖像，本文提