基于独立分量分析的图像融合算法的研究

论文摘要

图像融合指的是通过设计好的一些算法,把同一个目标,同个一场景的多个传感器采集到的多幅图像或者是仅仅同一个传感器的多次采集而形成的图像进行特定的处理,从而生成一幅对目标图像或场景来说更加清晰的图像。图像融合的主要目的是通过对多幅图像间冗余的信息处理进而来增强图像的可靠性,通过对多幅图像间互补信息的提取、综合来提高图像的质量。图像融合目前已经被应用到了各个领域,如航天遥感、机器视觉、医学图像和一些机密的军事领域。近年来,图像融合也已经成为了各国学者重点研究的课题。首先,本文介绍了图像融合技术的研究背景,阐述了图像融合的一些基本理论、融合的层次和图像融合的应用以及图像融合目前在国内外研究动态。在此基础上,本文重点介绍了像素级图像融合技术的基本原理,详细阐述了目前主流的像素级图像融合的主要方法,并且对这些方法的优缺点进行了简单的总结。其次,针对本文所使用的主要方法即一种新的特征提取方法——独立分量分析法(ICA)进行了详细的介绍,它的基本原理就是通过对多维观测信号间的高阶统计相关性研究,从而提取出藏匿在信号间的,普通方法所无法发现的信息,并且通过一定的算法把对我们没有用的,多余的信息处理掉,目前,独立分量分析法已经成为各国学者研究的热点,并且已经成功的应用到图像处理中。最后,在现有的图像融合算法的研究的基础上,我们提出了基于ICA的自适应的图像融合算法,算法将图像融合分成两个阶段,即训练阶段和融合阶段。在训练阶段,将二维图像信息通过一定的变换规矩转变为一维信息,然后针对一维向量进行ICA分解,分别得到分离矩阵和融合矩阵,在融合阶段,通过引入自适应算法,来自适应的对在训练阶段得到的分离系数进行处理,并且得到更新的融合系数,最后,将新的系数通过融合矩阵来恢复原图像。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 图像融合技术的概述
• 1.3 图像融合技术的目的和意义
• 1.4 图像融合技术的应用
• 1.5 本文的所作的工作及内容安排
• 第二章 图像融合技术
• 2.1 引言
• 2.2 图像融合层次
• 2.3 多源图像融合的基本流程
• 2.4 像素级的图像融合方法的综述
• 2.5 本文主要研究内容
• 第三章 独立分量分析方法
• 3.1 引言
• 3.2 独立分量分析发展和历史背景
• 3.3 独立分量分析的基本概念
• 3.4 独立分量分析预备知识
• 3.5 ICA基本算法
• 3.6 本章小结
• 第四章 自适应多聚焦图像融合算法
• 4.1 自适应方法在图像融合中的应用
• 4.2 基于ICA的自适应图像融合算法
• 4.3 实验结果以及分析
• 4.4 本章小结
• 第五章 结论
• 致谢
• 参考文献
• 作者简介
• 攻读硕士学位期间研究成果