智能图像处理技术是图像处理智能化发展的必然趋势,将能更好地满足人类的信息处理需求。而集成计算智能和图像融合是这一领域中的两项新兴技术。本文在上海市科委重大科研项目(No.03DZ19709)的资助下,对国内外集成计算智能和图像融合的研究现状及发展态势做了全面深入的调研和分析,确立了基于集成计算智能的图像信息融合技术的研究方向,提出了一些新的思想、方法和途径。 一、构造了神经模糊去噪系统。通过对正负噪声信号的自适应聚类修正,最终达到去噪的目的。该方法克服了传统滤波器不能同时去除正负脉冲噪声的弊端,具有良好的适应性和鲁棒性。 二、提出了边缘提取的新思路。基于图像边缘信息模糊性和不可分辨性的实际情况,利用模糊粗集理论处理近似信息的优势,推导了图像边缘信息的模糊粗集定义,最终实现了非刚性图像的边缘提取,从而拓宽了模糊粗集理论的应用范围,也展示了边缘提取的新途径。 三、提出了基于模糊神经网络的图像信息融合方法。针对含噪图像信息的模糊性,构造了用于含噪图像融合的模糊神经网络模型,对含噪图像像素进行了自竞争的模糊聚类,既处理了含噪图像的精确信息,又处理了含噪图像的模糊信息。对比实验及分析显示了该方法优于神经网络法。最后,对实际含噪图像的融合处理,也进一步证明了该方法的实用性和有效性。 四、提出了基于小波神经网络的图像融合方法,实现了信息互补型图像的特征融合。通过构造具有良好的分类和图像识别性能的小波神经网络模型,在网络内部实现能量特征的提取、输入及分类,最终达到了特征融合。实验过程中,通过对小波变换和小波包两种方式的分析与对比,得出了与理论相吻合的结论,即通过小波包法提取图像的特征能取得更好的最终结果。该融合方法体现了一种新的图像融合思想。 五、提出了基于粗神经网络的图像融合方法,从图像信息的近似性及不可分辨性出发,利用粗神经元,实现了三类图像的像素级融合:(1) 不同波段的卫星