论文部分内容阅读
近年来,随着图像传感器技术的发展、数据源的不断丰富,多传感器图像融合技术得到了迅猛的发展,已经成为图像理解和计算机视觉领域中一项重要而有用的新技术。同时,传统的主要基于位置、速度等信息的信息融合技术,也急需基于各种类型图像传感器的图像融合技术来作为信息融合技术的补充。图像融合就是采用一定的算法,把两个或多幅具有互补特性的源图像融合成一幅新的图像,从而使融合后的图像具有更高的可信度和清晰度、更好的可理解性。在不利的环境条件下(如烟、雾、雨、低照明、运动等)或者当一个图像传感器不足以提供用于目标识别或场景描述的足够信息时,通过图像融合仍可以获得较满意的图像效果。它不仅可以使处理后的图像更适合人的视觉观察,而且可以为进一步的计算机图像处理提供更有效的信息,例如图像的分类、图像分割、目标识别与目标检测等、战损评估与理解等。
在多传感器图像融合技术研究中,核心的焦点主要集中在两个方面:融合方法的研究和融合策略的研究。国内外大部分的研究者多将注意力集中于图像融合策略的研究上,也因此涌现出各种不同的融合策略,它们大部分是一种策略适合于某一类图像的融合,并且在该类图像融合方面能够一定程度上提高一些性能。但是在融合方法方面,近年来提出的新方法不太多,大部分依然是集中于小波方法、HIS变换方法或者几种方法的结合上的研究中,尤其在国内,甚至感觉是陷入了融合方法的瓶颈。
本文对图像融合的融合方法和融合策略都做了一些研究,在以前的融合方法的基础上,提出了几种新的融合策略。更重要的是,本文提出了几种新的图像融合方法。
在图像融合方法上,主要提出了基于改进的Laplacian金字塔变换的图像融合方法、基于有限脊波变换的图像融合方法、基于Contourlet变换的图像融合方法和基于非负矩阵分解的图像融合方法:
1.针对Laplacian金字塔重构时存在的问题,研究了图像融合时引入系数噪声的问题,提出了使用改进的重构算法进行图像融合的基本框架和方法,提高了图像融合的效果;
2.针对小波变换方法不能够有效提取二维图像中的直线特征进行融合的问题,提出了基于有限脊波变换的多传感器图像融合框架和方法,并讨论了使用有限脊波变换进行图像融合时必须进行的图像拓展、子图像分割以及融合子图像的拼接重构问题;
3.针对小波变换方法不能够有效提取出二维离散图像中的轮廓曲线段(Contour)的问题,提出了使用Contourlet变换进行图像融合的框架和方法,并对变换系数的设置与融合过程的处理进行了详细的说明;
4.通过对非负矩阵理论和方法的研究,提出了基于非负矩阵分解的图像融合方法。在非负矩阵分解过程中,适当地选取特征空间的维数可以获取原始数据的局部特征。文中分析了使用非负矩阵分解算法提取图像全局综合特征的原理,给出了一个可视化实例,并通过实验进行了验证和分析。
在图像融合策略的研究上,主要提出了以下4种融合算法:1.基于传统的小波变换方法,提出了一种基于图像局部能量和小波分解变换的图像融合算法;
2.根据所提出的非负矩阵分解的图像融合方法,给出了一种针对不同聚焦点的图像融合算法,该方法在非负矩阵分解的基础上,添加了清晰度的约束条件,使迭代算法向着图像的清晰度方向收敛,能够获得更好的清晰融合图像,并对其收敛性进行了证明。
3.针对脉冲耦合神经网络中参数设置困难以及应用于图像处理时处理效率低的问题,提出了基于图像的清晰度的自适应脉冲耦合神经网络图像融合算法和基于图像的对比度的自适应脉冲耦合神经网络图像融合算法,这两种方法都能够自适应地调整神经网络中的链接强度,能够较大地提高融合效果并简化了参数设置,减少了融合过程中人工的交互参与。
文中针对所提出的每种图像融合方法和每种图像融合策略,均给出了一系列图像融合仿真实验,并得到了一些有价值的结论。实验仿真结果以及对融合图像的主、客观评价分析表明,文中给出的融合方法和融合策略是有效的。