论文部分内容阅读
近些年来,图像融合已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。图像融合是一项综合同一场景多源图像信息的技术。来自多个传感器的多源图像能够提供互补或冗余的信息。利用冗余信息可以改善信噪比并且可获得更为可靠的结果。同样,利用互补信息可使获得的融合图像包含更丰富的细节及更全面的信息。由于利用了来自多传感器的多源图像,所以,融合后图像对场景的描述比任何单一源图像都更全面、更精确。融合图像更符合人和机器的视觉特性,更有利于诸如目标识别、特性提取等进一步的图像处理。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,通过图像融合我们仍可获得较满意的图像效果。 多传感器融合系统具有高度的容错性能。本文提出了一种多传感器冗余系统的优化模型和满足有效度约束的最小代价准则。此外,利用模拟退火算法成功地解决了该组合优化问题。实验数据表明,其优化模型、准则和算法是十分有效的。 本文研究的重点是多传感器图像融合技术。对图像融合的三个层次(像素级融合、特征级融合和决策级融合)进行了深入细致的研究。文中研究了简单的图像融合方法、基于多尺度塔形分解的多分辨率图像融合方法和基于小波变换的图像融合方法。文中给出了多种基于多尺度塔形分解的图像融合方法,例如,基于拉普拉斯金字塔的图像融合方法、基于比率金字塔的图像融合方法、基于对比度金字塔的图像融合方法和基于梯度金字塔的图像融合方法。同时,文中还给出了一种采用双正交小波变换的图像融合方法。这些方法已被成功地应用于图像融合处理。 对于图像融合来说,融合规则和融合算子是十分重要的。本文研究了多种融合规则。提出了一种新的基于区域特性量测的融合规则,并给出了与之相应的、用于不同融合方法的融合算子。 本文的另一个重要研究成果是图像融合性能的客观评价。定量地评价图像融合性能是一项重要而复杂的工作。文中建立了几种评价方法和准则,利用这些评价准则,研究了分解层数、不同融合规则以及特性区域大小对融合性能的影响。此外,还利用这些评价准则对多种图像融合方法的性能进行了比较研究。 文中给出了一系列的图像融合实验。得到了一些有价值的结论。实验和计算结果表明,文中的融合方法和融合性能评价准则是有效的。