多源图像融合算法及应用研究

论文摘要

随着成像传感器技术的发展,越来越多的传感器被应用于各个领域中。传感器数量的增多导致获取的数据量急剧增加并呈现多样性,传统的信息处理方法已经不能满足新的需求。因此多源信息融合技术在这样的背景下应运而生。多源信息融合是指对来自多个传感器获得的多源信息进行多级别,多方面,多层次的处理和综合,从而获得更为丰富,精确和可靠的有用信息。而多源图像融合作为多源信息融合中以图像为对象的研究领域,综合了传感器、图像处理、计算机和人工智能等多个学科,其主要思想是通过采用一定的算法,将两个或多个具有互补或冗余特性的源图像融合成为新图像,使得融合后的图像能最大限度地利用互补信息,减少冗余,从而获得更高的清晰度和可理解性。本论文集中探讨了多源图像融合这一课题产生的背景,研究的意义,融合的基本原理和体系结构,以及国内外已有的研究成果,并指出已有的研究工作中存在的不足之处。论文的研究内容即是围绕多源图像融合研究中一些存在的问题和不足之处展开的,具体内容包括基于多分辨率分解融合方法的工作总结和新思路,利用变分偏微分方程实现融合的探索,基于区域和多分辨率分解的特征级融合方向上的研究,如何实现图像融合性能的客观评价,以及多源图像特征级融合在实现道路目标识别上的具体应用。主要工作和创新成果如下:1.总结已有的基于多分辨率分解的多源图像融合方法,提出利用双正交多小波变换的多光谱与全色图像融合。其中多小波变换作为单小波的扩展,增加了小波基的个数,从而能很好地解决对称性与正交性,支集长度与消失矩之间的矛盾。在融合策略上,为保留源图像多小波分解后尺度系数的显著性信息,提出利用平均与选择相结合实现融合。2.提出基于特征保持的一阶对比度多聚焦图像融合方法。融合过程中根据源图像反映的不同特征的重要性,由特征图强度设计不同的权重,然后根据源图像的对比度信息的相应加权求取其主分量作为融合的目标梯度场,从而实现特征保持的图像融合。最后把融合算法拓展到彩色域,利用特征强度得到的权重实现彩色域中的高保真度融合。3.由于在图像融合中,人们往往关注于图像中的实际目标或区域,而不是单个像素。因此我们提出结合双正交多小波和图分割的特征级融合方法,通过匹配度测试确定分割得到区域中的小波系数的融合规则。并且总结了基于多分辨率和区域的特征级融合的统一框架,分析单源分割和联合分割对于融合性能的影响,以及具体的融合策略的选取方法。4.基于已有的客观评价方法指出具体的融合中评价指标的选取,提出基于图像结构相似性的客观评价方法。评价中主要考察源图像和融合图像之间的均值、方差相似性和相关系数,并且从灰度和梯度两个方向分别来做评价。5.提出一种在低分辨率遥感图像中道路目标的全自动识别算法。算法利用感知编组确定由边缘检测和无效线段去除后得到的道路边缘线段组,然后确定道路种子点,基于动态规划的道路跟踪算法跟踪道路种子点生成整个道路网,最后利用知识推理去除道路虚警。6.由于高分辨率遥感图像中的道路目标不仅包括低分辨率遥感图像中道路的拓扑特性,还包括高分辨率图像中的目标特性、光谱特性等。因此我们提出结合线性检测算子和分类结果的特征层融合道路识别算法。其中利用道路在高分辨率图象中可以被建模为具有某些统计行为的图像块,而这些图像块可以通过分类获得的特性,然后基于道路的拓扑关系辅助目标检测。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景和研究意义
• 1.2 多源图像融合基本原理和体系结构
• 1.3 国内外研究和发展现状
• 1.4 国内外算法研究存在的问题
• 1.5 本论文研究的主要内容和结构安排
• 第二章 基于多分辨率分解的多源图像融合
• 2.1 引言
• 2.2 正交小波变换与Mallat算法
• 2.2.1 多分辨率分析与正交小波变换
• 2.2.2 快速小波变换-Mallat算法
• 2.3 基于双正交多小波的多光谱图像融合增强
• 2.3.1 多光谱图像融合现状
• 2.3.2 双正交多小波变换融合框架
• 2.3.3 融合策略与算法实现
• 2.3.4 实验结果与分析
• 2.4 本章小结
• 第三章 基于变分偏微分方程的图像融合
• 3.1 引言
• 3.2 变分偏微分方程
• 3.2.1 变分问题的基本概念
• 3.2.2 变分法和Euler-Lagrange方程
• 3.3 特征保持一阶对比度多聚焦图像融合
• 3.3.1 多波段二维对比度形式
• 3.3.2 显著性衡量与动态范围压缩
• 3.3.3 梯度场重构
• 3.3.4 彩色域中的融合
• 3.3.5 实验结果与分析
• 3.4 本章小结
• 第四章 基于区域的特征级多源图像融合
• 4.1 引言
• 4.2 基于双正交多小波和区域的特征级图像融合
• 4.2.1 基于图论的区域分割
• 4.2.2 基于区域特征和多尺度分解的融合策略
• 4.2.3 实验结果与分析
• 4.3 基于多分辨率和区域的特征级融合
• 4.3.1 统一的融合结构
• 4.3.2 单源分割和联合分割
• 4.3.3 融合策略
• 4.4 本章小结
• 第五章 多源图像融合性能评价
• 5.1 引言
• 5.2 图像融合质量的客观评价
• 5.2.1 根据单一图像统计特征的评价方法
• 5.2.2 根据融合图像与标准参考图像关系的评价方法
• 5.2.3 根据融合图像与源图像关系的评价方法
• 5.2.4 评价指标的选取
• 5.3 基于结构相似性的融合性能评价
• 5.3.1 结构相似性
• 5.3.2 图像的结构相似性评价
• 5.3.3 实验结果与分析
• 5.4 本章小结
• 第六章 道路识别的特征级融合
• 6.1 引言
• 6.2 低分辨率遥感图像中主干道路的全自动提取
• 6.2.1 道路特性分析和道路提取方法
• 6.2.2 道路种子点自动定位
• 6.2.3 道路跟踪和去虚警算法
• 6.2.4 实验结果与分析
• 6.3 多光谱图像中道路网的特征融合识别
• 6.3.1多光谱图像中道路网提取现状
• 6.3.2 特征级融合识别
• 6.3.3 实验结果与分析
• 6.4 本章小结
• 第七章 总结与展望
• 7.1 研究成果回顾
• 7.1.1 基于双正交多小波的多光谱图像融合增强
• 7.1.2 基于变分偏微分方程的多聚焦图像融合
• 7.1.3 结合区域和多分辨率分析的多源图像融合
• 7.1.4 结构相似性图像融合质量客观评价
• 7.1.5 低分辨率遥感图像道路全自动识别
• 7.1.6 高分辨率多光谱图像中道路网识别
• 7.2 研究方向展望
• 参考文献
• 攻读学位期间成果及项目情况
• 致谢