多源图像融合方法及应用研究

论文摘要

图像融合技术作为多传感器信息融合的一个非常重要的分支--可视信息的融合,近年来,引起了世界范围内的广泛关注和研究热潮。图像融合就是对多个传感器采集到的关于同一场景或目标的多个源图像进行融合处理,以获取对同一场景的更为准确、更为全面、更为可靠的信息描述。图像融合的目的是充分利用多个源图像中包含的冗余信息和互补信息,使得融合后的图像更适合于人类视觉感知或计算机后续处理。像素级图像融合是在基础层面上进行的图像融合,它能够提供其它层次上的融合处理所不具有的丰富、可靠的细节信息,有利于图像的进一步分析、处理与理解,它在三个融合层次中是最为复杂、实施难度最大的融合处理技术。本文的研究工作主要是围绕像素级图像融合展开的,具体分析了像素级融合的传统算法与常用算法,针对图像融合中存在的问题,重点研究了基于小波变换的图像融合算法及其实现与融合图像的综合评价问题,同时还对像素级图像融合技术的初步应用做了探讨。本论文的研究内容和成果如下:（1）提出了一种基于遗传搜索块的区域特征选择的图像融合算法。该方法首先根据分类结果对待融合的两幅图像进行自适应消噪处理分析,然后对处理后的图像进行小波分解。小波分解后的子图像应用遗传算法搜索最优图像子块（即区域）的大小,比较相应区域特征确定重构时小波系数,最后进行一致性检验。实验表明,该算法能够得到良好的融合效果,而且对于各种不同的源图像具有通用性,并用客观评价标准对算法进行了定量分析。（2）利用Choquet模糊积分的重要组合性能,首先由微光图像和红外图像的小波系数及其区域特征获取模糊积分的信度函数,再依据小波系数的局部窗口内的模糊边缘评价函数自适应地构造模糊密度,最后由模糊积分确定融合后的小波系数,进行小波逆变换,得到融合图像。实验表明,Choquet模糊积分具有将多源信息依据各自的重要程度组合在一起的能力,从而使得最终的融合图像在空间细节信息的增强和光谱信息的保持两方面的综合性能得到提高。（3）针对融合时存在的评价问题,系统地分析和研究了图像融合质量的主观定性评价和客观定量评价的各种方法,总结了多源图像的综合评价准则。利用这些准则,对本文提出的融合方法的性能进行了分析,比较了两种融合算法的性能差异与优劣。并实现对Choquet模糊积分的融合图像进行基于数学形态学的目标检测,从实际的应用上说明了图像融合的重要性和实用性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题背景及其意义
• 1.2 图像融合技术的发展现状
• 1.2.1 图像融合技术的发展及应用
• 1.2.2 图像融合存在的问题
• 1.3 主要研究内容
• 1.4 本文的结构安排
• 第二章 图像融合基本理论
• 2.1 数据融合的基本理论
• 2.2 图像融合的基本流程
• 2.3 图像融合的预处理概述
• 2.3.1 图像的几何校正概述
• 2.3.2 图像滤波技术概述
• 2.3.3 图像配准概述
• 2.4 本文试验图像数据的简介
• 2.4.1 红外成像技术
• 2.4.2 微光成像技术
• 2.4.3 红外与微光图像融合的必要性
• 2.5 本章小结
• 第三章 多源图像融合基本方法分析及效果综合评价
• 3.1 传统像素级融合方法
• 3.1.1 基于彩色空间变换的经典融合算法
• 3.1.2 传统的PCA 变换算法
• 3.1.3 传统的HPF（高通滤波）算法
• 3.2 常见的像素级融合方法
• 3.2.1 SFIM 法
• 3.2.2 加权法
• 3.2.3 小波变换法
• 3.3 图像融合效果的综合评价
• 3.3.1 图像融合质量的主观评价方法
• 3.3.2 图像融合质量的客观评价准则
• 3.3.3 选取评价指标的原则
• 3.4 实验结果与分析
• 3.5 本章小结
• 第四章 基于小波变换的像素级图像融合技术研究
• 4.1 小波分析基础
• 4.1.1 小波分析的起源
• 4.1.2 连续小波变换
• 4.1.3 离散小波变换
• 4.2 多分辨率分析
• 4.2.1 Mallat 算法
• 4.2.2 二维多分辨率分析Mallat 算法
• 4.3 基于小波变换的图像融合
• 4.3.1 图像的离散小波变换
• 4.3.2 区域融合
• 4.3.3 基于遗传搜索区域特征的图像融合算法
• 4.3.4 仿针结果与分析
• 4.3.5 基于小波系数模糊积分的图像融合算法
• 4.3.6 仿真结果与分析
• 4.4 本章小结
• 第五章 基于图像融合的目标检测技术应用
• 5.1 数学形态学
• 5.1.1 二值图像形态学运算
• 5.1.2 灰度图像的形态学运算
• 5.2 基于融合的数学形态学目标检测及仿真结果
• 5.2.1 基于Choquet 模糊积分的图像融合
• 5.2.2 基于数学形态学算子进行目标检测
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 结论
• 6.2 展望
• 致谢
• 参考文献
• 附录：作者在攻读硕士学位期间发表的论文