基于匹配跟踪的多传感器图像融合

论文摘要

多传感器图像融合是指将多个传感器采集的关于同一场景的图像进行综合处理,得到一个关于此场景的新的解释,使之更适合人眼感知或计算机后续处理。多传感器图像融合技术充分利用了不同传感器提供的冗余和互补信息,提高了系统的可靠性和图像信息的利用效率,可以更好地达到对目标的检测、特征提取和识别。超完备信号稀疏分解是近几年信号处理领域研究的热点问题,在数据压缩、信号特征提取、时频分析等领域得到了广泛应用。本文重点研究了超完备信号稀疏分解在图像融合领域的应用,提出一种基于树型匹配跟踪的图像融合算法。文中首先分析了超完备信号稀疏分解的特点,并介绍了信号匹配跟踪稀疏分解算法。该算法容易理解,便于实现,但运算复杂度高,给图像处理的实际应用带来了相当大的困难。通过对信号稀疏分解中使用的冗余字典的结构特性分析,提出了一种基于树型结构冗余字典的匹配跟踪的算法。算法通过对冗余字典原子自底而上进行迭代聚类,形成一个树型结构,从而减少了匹配原子的搜索空间,极大地降低了匹配跟踪算法的运算量。利用树型结构冗余字典,提出一种基于树型匹配跟踪的图像融合算法,快速有效地实现对图像的稀疏分解,并完成最终的图像融合工作。对算法进行Matlab仿真实验,从主观视觉上对融合结果做定性分析,并通过实验数据分析,客观地评价本文所提出的融合算法。实验结果表明,该图像融合算法能够取得较好的融合效果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 图像融合概述
• 1.1.1 课题背景及研究意义
• 1.1.2 图像融合技术的应用
• 1.1.3 图像融合技术发展现状
• 1.2 本文主要内容及结构
• 第2章 多传感器图像融合基本理论
• 2.1 图像融合基本原理
• 2.1.1 图像融合的定义
• 2.1.2 系统传感器的特点
• 2.1.3 图像融合的流程
• 2.1.4 图像融合的层次与分类
• 2.2 传统的图像融合方法
• 2.2.1 简单图像融合算法
• 2.2.2 基于金字塔式的图像融合算法
• 2.2.3 基于小波变换的图像融合算法
• 2.3 图像融合效果评价
• 2.3.1 主观评价
• 2.3.2 客观评价
• 2.4 本章小结
• 第3章 信号匹配跟踪稀疏分解
• 3.1 信号表示
• 3.2 信号正交分解
• 3.2.1 傅立叶变换
• 3.2.2 短时傅立叶变换
• 3.2.3 小波变换
• 3.3 信号匹配跟踪稀疏分解
• 3.3.1 时频原子分解
• 3.3.2 冗余原子字典的形成
• 3.3.3 Hilbert空间信号匹配跟踪
• 3.4 本章小结
• 第4章 基于树型匹配跟踪的图像融合
• 4.1 图像匹配跟踪稀疏分解
• 4.2 树型匹配跟踪稀疏分解
• 4.2.1 冗余字典的树型构造
• 4.2.2 稀疏分解具体实现
• 4.2.3 树型匹配跟踪算法分析
• 4.3 树型匹配跟踪图像融合算法
• 4.4 实验结果与分析
• 4.5 本章小结
• 第5章 结论与展望
• 参考文献
• 攻读硕士学位期间发表的论文及其它成果
• 致谢