论文部分内容阅读
数据融合(Data Fusion)的概念始于20世纪70年代初期,也称为信息融合,主要研究如何加工、协同利用多源信息,并使不同形式的信息相互补充,以获得对同一事物或目标的更客观、更本质认识。它比直接从各信息源得到的信息更简洁、更少冗余。
小波多分辨率分析具有良好的时频特性,在多源信息融合中已经成为一种非常常用的方法。对小波融合方法的研究,当前主要集中在融合过程中融合规则和融合算子的选择。为了充分利用序列图像之间的相关性,本篇论文在探讨研究小波变换数据融合的基础上,提出了一种利用Karhunen-Loeve变换融合小波系数的图像融合方法。矩阵的线性变换K-L变换能将各变换系数间的互相关完全解除,是均方误差条件下的最佳变换,在图像压缩等方面有广泛的应用。在本文的讨论中,利用小波变换对序列图像进行多分辨率分解,对相应的小波系数矩阵进行K-L变换,计算出小波系数权重,按照所得的权重融合小波系数,最后将小波融合系数逆变换实现图像的融合处理。实验结果证实这种方法有效的利用了图像的相关性,主观视觉效果分析和客观统计参数评价分析都证明了这种方法的有效性。