导读:本文包含了多传感器图像融合论文开题报告文献综述及选题提纲参考文献，主要关键词:图像融合,多尺度变换,结构张量,优化模型
多传感器图像融合论文文献综述
徐莉娟[1]（2019）在《异源传感器图像融合关键技术研究》一文中研究指出为了获取观测场景的多方面特征信息,提高信息探测系统的信息探测能力及信息探测的可靠性,基于不同成像类型的(异源)图像传感器被广泛地集成应用于一个探测系统中。基于异源传感器获取的场景图像,具有显着的信息互补与信息冗余特性。如何有效地提取互补信息,利用冗余信息,在一幅融合图像中尽可能地呈现出异源传感器图像所有的互补信息,获得针对该场景更加准确和全面描述,利于后续的图像处理,是图像融合技术领域的研究重点。本文的主要工作包括一下几个方面:总结了不同成像传感器的原理和特点,图像融合的不同分类和图像融合的国内外发展现状。分析了几种现有的图像融合算法的原理、实现过程、以及融合算法的优势以及存在的问题。不同的融合算法存在不同的优点同时也有一定的缺点。本文尝试将红外与可见光图像的融合过程转化为一个优化问题,利用优化模型将基于NSCT的图像融合算法和基于结构张量的图像融合算法相结合。优化模型约束最终融合图像的梯度和NSCT分解系数,使其同时接近预融合梯度和预融合NCST分解系数。通过这样的优化约束,可以提高融合方法的特征提取能力,使得融合图像中保留更多的边缘和细节信息,从而获得了更佳的融合效果。实验验证了该算法的有效性。卷积神经网络由于其强大的学习能力和特征提取能力而被越来越多的学者应用在图像融合领域。本文首先分析了刘羽等人基于卷积神经网络的图像融合算法,并指出了其中存在的问题。通过利用具有多尺度、多方向性的多尺度变换融合的框架,同时采用新的相似性度量方法,改善了原有算法存在的细节信息提取不足和相似性度量方式不够全面的问题。随后,通过实验验证了该改进算法的合理性以及有效性。(本文来源于《电子科技大学》期刊2019-04-01）
陈广秋,梁小伟,段锦,才华[2]（2019）在《多级方向引导滤波器及其在多传感器图像融合中的应用》一文中研究指出基于多级方向引导滤波器,提出一种图像多尺度几何分析方法,并将其应用于多传感器图像融合中.首先利用引导滤波器对图像进行多级边缘保持分解,得到一个近似子带和多个不同尺度上的细节子带;然后采用楔形小尺寸方向剪切滤波器对细节子带进行方向分析,在不同尺度上生成多个方向子带,根据近似子带和方向细节子带所具有的不同物理意义,分别采用不同的融合准则对分解后的系数进行合并处理;最后通过对合并后的系数进行简单的迭加计算获得重构图像.该方法有效解决了在其他多尺度分解中滤波器缺乏自适应性和图像分析不具备平移不变性的问题.多组图像融合实验结果表明,在图像融合过程中,该方法的性能优于已有的其他典型多尺度分解方法.(本文来源于《吉林大学学报(理学版)》期刊2019年01期）
李颖奎,陈广秋,杨阳,刘智,才华[3]（2018）在《多级方向加权最小二乘滤波器及其在多传感器图像融合中的应用》一文中研究指出针对多尺度分解在图像融合领域中的广泛应用,本文提出了一种多级方向加权最小二乘滤波器图像多尺度几何分析方法。该方法利用加权最小二乘滤波器对图像进行多级边缘保持分解,得到一个近似图像和多个不同尺度上的细节图像,然后采用小尺寸方向剪切滤波器对细节图像进行方向分析,在不同尺度上生成多个方向细节图像。根据近似图像和方向细节图像所具有的不同物理意义,分别采用不同的融合策略对分解后的图像系数进行合并处理,最后应用多级方向加权最小二乘滤波器的逆变换得到融合图像。多组图像融合实验结果表明,在图像融合领域,本文提出的基于多级方向加权最小二乘滤波器的图像分解方法优于已有文献中的一些典型多尺度分解方法。(本文来源于《液晶与显示》期刊2018年08期）
冯颖[4]（2018）在《基于多分辨率分析的多传感器图像融合算法研究》一文中研究指出图像融合是通过提取和综合来自不同传感器的互补信息,以获得对目标或场景更为准确、全面和可靠的描述,从而有效降低虚警率,提高在复杂背景和干扰条件下正确识别和跟踪目标的概率,为目标的准确定位和精确打击奠定基础.本文主要研究了基于多分辨率分析的多传感器图像融合技术,该技术获得的融合结果更符合人类视觉的感知特性,更有利于图像的进一步分析.主要研究内容如下:1.针对多分辨率分析技术,系统分析了基于拉普拉斯金字塔分解、小波变换和轮廓波变换等几种常用的多分辨率图像融合算法的性能和特点,为后续的研究工作理顺了研究思路.2.深入研究了非下采样轮廓波变换的原理及实现算法,并针对SAR图像与可见光图像的成像机理,提出一种基于非下采样轮廓波变换的SAR图像与可见光图像融合算法.对于低频子图像,采用以区域熵为测度参数进行邻域融合;对高频子图像采用以邻域相关系数为阈值,基于平均梯度选择的邻域算法进行融合.实验结果表明该算法可显着提高融合图像的视觉效果.3.针对红外与可见光图像融合的特点,提出一种基于非下采样轮廓波变换和混合粒子群算法的红外与可见光图像融合算法.对低频子图像,采用一种基于区域平均值的改进的加权平均法进行邻域融合;对高频子图像采用以混合粒子群优化算法选取阈值,基于平均梯度选择的邻域算法进行融合.实验结果表明该算法可有效改善融合图像的融合效果.4.利用图像的统计特性作为融合性能评价的标准,对实验结果进行定量分析,结果表明融合算法能更有效地捕捉边缘、纹理等细节信息,可获得融合效果更佳的融合图像.(本文来源于《西安工程大学》期刊2018-05-29）
钱伟,常霞,虎玲[5]（2018）在《多传感器图像融合质量评价方法研究》一文中研究指出多传感器图像融合质量评价方法是数字图像处理领域的难题。图像融合质量评价指标可以用于衡量融合图像在视觉信息、光谱信息和分辨率等方面的改善程度。文章对多传感图像融合质量评价方法进行了综合阐述,讨论了不同融合层次中,图像质量评价指标的运用优点及局限性,分析了指标的评价特征对象和评价目的,并提出了图像质量评价目的分类表。(本文来源于《计算机时代》期刊2018年04期）
茜瑞燕[6]（2018）在《多传感器图像融合算法研究》一文中研究指出图像融合技术是一项综合同一场景多源图像信息的技术,通过综合处理后,可以生成比单传感器更清晰可靠的图像。这一优点使该技术正日益广泛地应用于机器视觉、目标识别、地球遥感图像分类识别、叁维图像重建等领域。本文共提出两种不同类型图像融合的算法:基于多级尺度分块的不同聚焦图像融合(空间域的图像融合)、基于小波变换下的彩色红外与可见光图像融合(变换域的图像融合)。本文主要完成了以下工作:1.基于迭代的思想,提出了一种简单有效且易实现的图像融合方法。算法首先对需要处理的两幅不同聚焦图像分别进行高斯卷积,得到模糊图像;再用原图像分别对得到的模糊图像在不同分块的级别下进行对应的相减,得到不同级别下的区域隶属图。然后根据一致性原理由区域决策图,得到区域隶属图。而图像清晰区域的得到是利用区域划分图的不同级别下迭代的结果得到,最后通过系数加权的方法进行融合。实验结果表明,该方法得到的图像质量明显优于传统的融合方法。2.通过对小波理论的初步研究,在深入理解图像融合技术基本理论和方法的基础上,提出了一种新的小波融合方法,该方法基于小波分解的深入理解,对源图像的高频部分和低频部分都进行精细的融合处理,并根据图像成像特点采用不同的融合规则.实验结果表明该方法可以充分合并源图像中的信息,提高信息分析和处理能力特征提取。(本文来源于《广西民族大学》期刊2018-03-01）
沈瑜,党建武,王阳萍,王小鹏,郭瑞[7]（2017）在《基于MSTO的含噪声多传感器图像融合算法》一文中研究指出为了解决在含噪声多源传感器图像融合中,常规滤波存在图像边缘缺失、对比度差的缺点,提出了一种基于多尺度顺序开关算子(multi-scale sequential toggle operator,MSTO)和Beamlet保边滤波算子的含噪声红外与可见光图像融合算法.首先,将多源图像通过MSTO进行多尺度分解,得到能量分量和细节分量.对于细节分量采用Beamlet保边滤波算子进行处理,保持图像边缘细节的同时滤除噪声,采用MSTO计算出能量图像的亮边缘和暗边缘并融合迭加到细节分量中,进一步增强融合图像的边缘.对于能量分量采用基于灰度值取大的融合规则.最后根据MSTO反变换对融合后的能量分量和细节分量进行重构,得到结果图像.实验结果表明,融合后的图像不但滤除了噪声,而且对轮廓和边缘细节得到较完整的提取和增强.该图像融合算法在含噪声多源传感器的融合中取得较好的效果.(本文来源于《东南大学学报(自然科学版)》期刊2017年06期）
何同弟,祝燎[8]（2017）在《基于蚁群算法的多传感器图像融合方法》一文中研究指出为了使融合后的多传感器图像获得更多的光谱信息、提高清晰度、降低数据冗余度,提出了一种基于蚁群算法的多传感器图像融合方法。对低分辨率图像上的蚁群以相位一致性作为启发信息,高分辨率图像中的蚁群以梯度强度作为启发信息,两个蚁群通过共享的信息素矩阵实现协作,根据信息素矩阵提取图像特征。算法采用区域能量的加权自适应融合规则确定低频系数,结合蚁群算法提取的边缘特征融合来指导高频系数融合。融合结果表明,该方法在不同分辨率上引入了多种启发信息,因而能够提取更加完整和有意义的图像特征,为多传感器图像融合提供了更智能、更细致、更全面的图像信息。(本文来源于《测控技术》期刊2017年08期）
刘曦[9]（2017）在《图像处理及多传感器信息融合在管道相贯线焊缝检测机器人中的应用》一文中研究指出在无损检测领域中,管道相贯线焊缝缺陷的检测难度较大且检测效率较低。通过磁性轮吸附在钢管壁上的管道相贯线焊缝检测机器人需要携带无损检测设备沿着相贯线焊缝运动并对焊缝缺陷进行检测,检测过程中还需要不断调整检测探头与焊缝之间的角度与距离。因此,针对于管道相贯线焊缝的自动化无损检测机器人必须具备自动寻迹以及对焊缝缺陷定位的能力。基于对管道相贯线焊缝无损检测实际需求及现场应用场景的详细分析和考量,并对比多种机器人领域常用的自主寻迹和定位方案之后,本文确立了管道相贯线焊缝检测机器人通过自动识别磁性色码条实现视觉引导并通过多传感器信息融合实现准确定位的方案。针对确立的视觉引导与信息融合定位的方案,本文先提出了一种机器视觉引导方案下的图像处理算法。该图像处理算法在颜色空间转换和彩色边缘检测基础上,引入图像金字塔方法的Hough变换直线检测算法,快速识别磁性色码条并实现机器人自身姿态和运动轨迹的实时控制,将多阈值处理引入区域生长算法分割人工定位标识点,对人工定位标识点进行计数从而辅助机器人实现定位。然后本文根据机器人沿着管道相贯线焊缝运动的这一限制性条件,对机器人的运动轨迹和自身姿态进行建模,分析和推导机器人在运动过程中自身姿态变化与运动轨迹之间的数学关系。利用光电编码器和人工定位标识点计数建立起里程计定位模型,同时利用IMU系统建立起IMU定位模型。最后根据推导出的数学关系,利用Kalman滤波融合IMU模型和里程计模型这两大定位模型的信息,实现多传感器信息融合下的机器人定位功能。通过MATLAB软件,分别对里程计模型、IMU模型以及多传感器信息融合模型进行了仿真,分析和对比了叁种定位模型的结果和误差。实验表明,本文提出的图像处理算法能够使机器人稳定识别出磁性色码条,从而实现机器人的自动寻迹功能。同时,图像处理算法还能准确的分割出定位标识点以辅助机器人实现定位。而计算机的仿真结果显示,基于Kalman滤波下的多传感器信息融合能够实现机器人对自身的准确定位,其定位精度显着优于单独使用光电编码器或者IMU系统。(本文来源于《深圳大学》期刊2017-06-30）
范聃[10]（2017）在《多传感器运动图像序列融合研究》一文中研究指出本文研究了多传感器运动图像序列的融合。进行运动图像的融合时,需要准确地将多个原始带有运动场景的图像中的有用信息保留并适当地融合到单张图像中,使得其能扩大动态范围并尽可能地保留更多的场景细节,增强图像的对比度,同时能够去除运动目标所造成的重影现象。论文完成的主要工作如下:(1)提出了基于块匹配的多传感器运动图像序列去重影方法。算法利用块匹配的思想寻找对应图像之间的最相似块,得到相似块之间的运动向量,完成各图像块之间的匹配。实验结果表明相比其他对比算法,本文所提出的基于块匹配的多传感器运动图像序列去重影方法在SSIM指标值上分别平均提升了 7.5%、14%和14.6%,在边缘强度指标值上分别平均提升了 10.2%、26.8%和19%,在平均梯度指标值上则分别平均提升了 8.7%、33.4%和24.5%。(2)提出了基于图像对齐的多曝光运动图像序列融合算法(MDIFA)。该算法采用图像对齐将输入图像对齐到参考图像,然后再对已经实现对齐的多曝光运动图像序列进行融合,从而得到最终的融合图像。利用MDIFA算法可以将多曝光运动图像序列进行效果良好地融合,最终得到的融合图像既保留了低曝光图像中显示良好的区域,也保留了高曝光图像中显示良好的区域。实验结果表明相比其他对比算法,本文所提出的基于图像对齐的多曝光运动图像序列融合算法在VIF指标值上分别平均提升15%和12%,在QAB/F指标值上分别平均提升10%和11%,在FSIMc指标值上分别平均提升14%和5%。(3)提出了基于块匹配和光照度估计的多曝光运动图像序列融合算法。本算法先采用块匹配方法将输入图像与参考图像进行对齐处理,然后再通过光照度估计和融合系数的优化处理来对已完成对齐的多曝光运动图像序列进行融合处理,进而可以得到融合图像。实验结果表明相比于其他的对比算法,我们提出的基于块匹配和光照度估计的多曝光运动图像序列融合算法在VIF指标值上分别平均提升了 25%、32%、38%和38%,在QAB/F指标值上分别平均提升了37%、39%、57%和59%,FSIMc指标值分别平均提升了 10%、9%、9%和13%。(4)基于上述提到的这叁种算法,开发并完成了多传感器运动图像序列融合系统。该系统实现了这叁种算法的可视化展示,并添加了对本文所提出算法的融合图像质量评价模块,从而验证了所提出算法的有效性。(本文来源于《北京邮电大学》期刊2017-03-12）
多传感器图像融合论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于多级方向引导滤波器,提出一种图像多尺度几何分析方法,并将其应用于多传感器图像融合中.首先利用引导滤波器对图像进行多级边缘保持分解,得到一个近似子带和多个不同尺度上的细节子带;然后采用楔形小尺寸方向剪切滤波器对细节子带进行方向分析,在不同尺度上生成多个方向子带,根据近似子带和方向细节子带所具有的不同物理意义,分别采用不同的融合准则对分解后的系数进行合并处理;最后通过对合并后的系数进行简单的迭加计算获得重构图像.该方法有效解决了在其他多尺度分解中滤波器缺乏自适应性和图像分析不具备平移不变性的问题.多组图像融合实验结果表明,在图像融合过程中,该方法的性能优于已有的其他典型多尺度分解方法.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多传感器图像融合论文参考文献
[1].徐莉娟.异源传感器图像融合关键技术研究[D].电子科技大学.2019
[2].陈广秋,梁小伟,段锦,才华.多级方向引导滤波器及其在多传感器图像融合中的应用[J].吉林大学学报(理学版).2019
[3].李颖奎,陈广秋,杨阳,刘智,才华.多级方向加权最小二乘滤波器及其在多传感器图像融合中的应用[J].液晶与显示.2018
[4].冯颖.基于多分辨率分析的多传感器图像融合算法研究[D].西安工程大学.2018
[5].钱伟,常霞,虎玲.多传感器图像融合质量评价方法研究[J].计算机时代.2018
[6].茜瑞燕.多传感器图像融合算法研究[D].广西民族大学.2018
[7].沈瑜,党建武,王阳萍,王小鹏,郭瑞.基于MSTO的含噪声多传感器图像融合算法[J].东南大学学报(自然科学版).2017
[8].何同弟,祝燎.基于蚁群算法的多传感器图像融合方法[J].测控技术.2017
[9].刘曦.图像处理及多传感器信息融合在管道相贯线焊缝检测机器人中的应用[D].深圳大学.2017
[10].范聃.多传感器运动图像序列融合研究[D].北京邮电大学.2017