论文摘要
图像融合作为一个新兴的科研领域有着广阔的发展前景。它通过提取和综合来自多个传感器图像的信息,获得对同一场景(或目标)的更为准确、全面、可靠的图像描述,以便对图像进行进一步的分析、理解以及目标的检测、识别或跟踪。可以预见,随着多传感器图像融合相关理论的不断发展和完善,它在军事、遥感、机器人、医学图像处理以及计算机视觉等领域必将有着更广泛的应用前景。经过将近三十年的发展,图像融合技术的研究已经形成了一定的规模,国内外已开发出多种融合系统,但这并不表明该项技术已经完善。从目前的情况来看,图像融合技术还存在许多理论和技术方面的问题有待解决。尤其需要指出的是图像融合技术在国内所进行的研究相对于国际上的研究工作起步较晚,还处于落后状态。因此迫切需要进行广泛深入的基础理论和基础技术的研究工作。本文围绕像素级图像融合问题,应用自动聚焦、神经网络、多尺度分解等理论和方法对像素级图像融合进行了深入、系统地研究。在第二章和第三章中,首先研究了基于空间域(图像块分割)的图像融合方法;在第四章中,本文研究了基于多尺度分解(小波)的图像融合方法。在对多尺度分解方法的研究中,本文研究了图像低频部分的融合,同时也研究了高频部分的融合;在第五章中,本文还研究了图像融合的客观评价指标。本文的主要研究成果如下:1.针对多聚焦图像融合中图像块(或者像素)的清晰度的评价进行了研究。将图像的清晰度评判与自动聚焦领域的聚焦评价函数相结合,在多聚焦图像融合中使用聚焦评价函数来评价图像块(或者像素)的清晰度。给出了在多聚焦图像融合中评估聚焦评价函数的方法,并评估了这些聚焦评价函数用在多聚焦图像融合中的性能。由该评估方法得到的结果对多聚焦图像融合算法有一定的指导意义。同时,该评估方法也可用在自动聚焦领域对聚焦评价函数进行评估。2.将拉普拉斯算子作为图像块的清晰度评价指标,结合基于生物视觉的脉冲耦合神经网络,提出了一种新的多聚焦图像融合方法。该方法充分利用了基于生物视觉的神经网络,取得了比较好的融合效果。仿真实验表明该方法要优于作为比较的传统算法。3.针对基于多尺度分解的图像融合方法中的低频分量的融合进行了研究。将原有的多传感器成像模型进行分解,得到低频分量的成像模型,根据低频分量的模型推导出了低频分量的融合公式。由于将低频分量的融合建立在了模型之上,所以融合的效果要好于简单的平均方法,使得融合后图像的对比度得到保持。4.针对基于多尺度分解的图像融合方法中高频分量的融合进行了研究。提出一种基于后验概率估计的统计学方法,将高频分量中父子系数间的关系加入到融合规则中,取得了较好的效果。使用该方法得到的融合后图像的抗噪声性能要优于作为比较的传统算法。5.针对多传感器图像融合系统的客观评价指标进行了研究。通过几个图像融合实例给出了目前常用的两个客观评价指标存在的问题。针对这些存在的问题,并结合图像融合必须遵守的准则,提出了本文的客观评价指标。该客观评价指标由两部分组成,其中一个部分评价的是融合后图像从原始输入图像中继承了多少边缘信息,另一个部分评价的是原始输入图像中目标区域在融合后图像中的保留情况。