论文部分内容阅读
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的新技术。图像融合技术始于军事应用,在精确制导导弹,无人侦察机、无人攻击机等要求具有智能的机器中,图像融合技术都是必不可少的。民用方面,图像融合在数据遥感、智能机器人、医学图像处理以及工业制造中有着巨大的应用潜力。
图像融合就是采用一定的算法,把两幅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。图像融合分为像素级、特征级、决策级三个层次,其中像素级图像融合能够提供其它层次上的融合处理所不具有的更丰富、更精确、更可靠的细节信息,有利于图像的进一步分析、处理和理解,它在整个图像融合技术中是最为复杂、实施难度最大的融合处理技术。本文的研究工作是围绕像素级图像融合展开的,主要的研究内容包括以下几个方面:
(1)介绍了图像融合的基本概念和原理,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;对现有融合结果评价方法加以总结,在此基础上,归纳出十一项融合结果评价指标,为评价融合算法的性能提供了从定性到定量两方面的比较全面的评价标准。
(2)介绍了简单的图像融合方法(加权平均法、像素灰度值选大或选小法)、基于多尺度塔形分解的多分辨率图像融合方法(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、基于梯度金字塔的图像融合方法)和基于小波变换的图像融合方法。同时,对多聚焦图像、医学图像、红外和可见光图像这三种不同类图像进行各算法的性能分析,找出适用于这三种不同类图像融合的相对最优算法。
(3)通过对非负矩阵分解理论和方法的研究,进一步分析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,适当的选取特征空间的维数可以获取原始数据的局部特征,将参与融合的图像作为原始数据,特征空间的维数选为1,利用非负矩阵分解得到的特征基包含了原始图像的整体特征,这个特征基图像就是原始图像的融合结果。根据基于非负矩阵分解的图像融合方法,给出了一种针对红外和可见光图像的融合方法,该方法在非负矩阵分解的基础上,添加了信息熵的约束条件,使迭代算法向着图像最大信息熵的方向收敛,能够获得更好的融合图像。