基于证据理论的图像融合新算法及应用

论文摘要

图像融合是图像理解和计算机视觉领域中一项重要而有用的新技术。由于利用了来自多传感器的多源图像,所以,融合后图像比任何单一源图像都更全面、更准确。融合图像更符合人和机器的视觉特征,更有利于诸如目标识别、特征提取等进一步的图像处理,因此成为近年来的研究热点。本文在证据理论的基础上,提出了一种用证据理论结合模糊测度进行图像融合的新算法。证据理论是一种应用广泛的数据融合方法,但证据理论在图像融合应用中存在一些难点。首先是基本概率赋值的获取是比较困难的一个环节,而且这一环节直接影响最后的融合性能,是证据理论中的关键问题。其次是证据理论的计算复杂度随推理步骤的增加成指数增长。本文算法较好的解决了这两方面的问题,该算法采用模糊聚类算法对图像进行聚类分析,并利用启发式最小二乘算法对模糊测度进行计算,从而确定证据理论的mass函数,降低了参数辨识的复杂度,有效地解决了证据理论应用中基本概率赋值如何确定的难题。本文算法应用到多相流流型识别中,对不同源传感器重构图像进行了融合实验,取得了比较好的实验结果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 多源图像融合的国内外发展背景
• 1.2 多源图像融合的研究现状
• 1.3 课题的主要贡献
• 1.4 论文的其它内容安排
• 第二章 多源图像融合技术的分类和研究内容
• 2.1 图像融合概述
• 2.2 多源图像融合技术的分类及研究内容
• 2.2.1 像素级图像融合
• 2.2.2 特征级图像融合
• 2.2.3 决策级图像融合
• 第三章 证据理论与Choquet 积分
• 3.1 概述
• 3.2 证据理论的基本原理
• 3.2.1 证据理论的基本概念
• 3.2.2 结合多源信息的Dempster 准则
• 3.2.3 基本概率赋值的获取
• 3.3 模糊测度与Choquet 积分
• 3.3.1 模糊测度
• 3.3.2 Choquet 积分及其主要性质
• 第四章 基于证据理论的模糊聚类图像融合
• 4.1 模糊理论在图像处理中的应用
• 4.2 聚类分析技术
• 4.3 算法执行步骤
• 4.3.1 模糊聚类算法在图像融聚类中的应用
• 4.3.2 获取基本概率赋值的新方法
• 第五章 新算法在多相流中的应用
• 5.1 应用的背景
• 5.2 电容层析成像系统和电阻抗层析成像系统
• 5.2.1 电容层析成像系统
• 5.2.2 电阻抗层析成像系统
• 5.3 实验结果与分析
• 5.3.1 模拟实验结果
• 5.3.2 多相流应用
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 发表论文和参加科研情况说明
• 致谢