论文部分内容阅读
20世纪70年代提出的多源数据融合理论,并未引起当时人们的足够重视,随着科学技术的发展和人们获取信息渠道的多样化,需要对大量的信息进行解释和评估,另外依靠单一传感器获取信息已经不能够满足一些特殊的需要,人们越来越认识到多源数据融合的重要性,特别是在近十多年来世界上的几次局部战争中,多源数据融合都发挥了巨大的作用,引起了人们的普遍关注,使其成为现在研究的一个热门领域。多源数据融合是指对来自多个传感器的数据进行多层次、多级别的处理,产生出任何单一传感器所无法得到的信息,更适合于人类或机器分析、认识图像场景,可以在很大程度上减轻指挥人员工作量、增加置信度、改善系统可靠性。本文在概述多源数据融合技术的基础上,针对SAR图像,提出了三种典型目标特征提取算法,包括基于分维布朗场的分维数特征提取算法、基于图像形态学的圆状目标特征提取算法、基于目标方向特性和局部邻域特性的线状目标特征提取算法,通过对SAR图像进行以上特征提取算法,可以方便地从复杂的SAR图像背景中选择感兴趣的目标点,作为SAR图像和光学图像匹配的控制点(光学图像上的特征点比较明显,故未做特征提取),在此基础上对SAR图像和光学图像数据融合的空间匹配技术进行了分析,利用实验图像研究了人工选点线性匹配和二次多项式匹配,并使匹配精度达到了优于一个像素的程度。在以上基础上,针对感兴趣的目标,作者在SAR图像和光学图像数据融合算法方面做了如下工作:1、在利用小波变换算法融合匹配后的SAR图像与光学图像数据的过程中,针对分解后的子图像,根据各子图像不同的频率特性和感兴趣目标的统计特性,提出了在两幅图像的小波变换域中选取局部模极大值中较大的模极大值,由此较大的模极大值所构成的模极大值曲线来确定重构图像所需要的数据源,从而完成了SAR图像和光学图像的融合算法,并对融合结果进行了描述性评价。2、在利用Dempster-Shafer证据理论融合匹配后的SAR图像和光学图像的过程中,重点分析了从匹配后的SAR图像和光学图像获取证据推理中mass函数的过程,提出了一种基于感兴趣目标特性的mass函数确定算法,并分析了D-S决策过程,最后根据D-S证据理论中的正交融合规则,利用SAR图像和光学图像提供的不同信息进行融合,检测感兴趣目标,与单源图像数据相比较,并对融合结果进行了描述性评价。3、在利用粗糙集理论融合匹配后的SAR图像和光学图像的过程中,详细讨论<WP=9>了基于粗糙集决策表的图像增强算法,并提出了基于粗糙集单决策表的图像分类算法,验证了其在图像处理中的成功,而后根据Bayesian决策理论推导出了或融合算法,对图像分类结果进行融合,得到了较好的融合结果,并对结果进行了描述性评价。本文的成功应用使得粗糙集理论的应用不仅仅停留在对表格数据分析的基础上,说明其在图像处理方面也具有很广泛的应用前景。