多传感器图像融合算法研究

多传感器图像融合算法研究

论文摘要

多传感器图像融合是根据单一传感器图像间的互补和冗余特性,运用一定的算法对多传感器图像进行处理,得到一幅比单一传感器图像更加精确、完整和可靠的新图像。图像融合有利于实现多传感器间的优势互补,通过只保留融合图像而减少了图像的数据量,所以在军事和民用等方面具有广阔的应用前景,是目前图像处理领域的一个研究热点。按图像信息的抽象程度,可以把图像融合分为像素级融合、特征级融合和决策级融合三个层次。其中,像素级融合是特征级融合和决策级融合的基础,它能提供其它层次融合中所不具有的、更加丰富的细节信息,有利于对图像进行进一步的分析和处理。本文研究的就是像素级图像的融合。首先,阐述了图像融合的基本概念、图像融合的层次,介绍了图像融合的研究背景和意义、发展状况,以及当前的研究热点,概述了像素级图像融合的分类和常用的评价指标。其次,介绍了基于小波变换的基本原理,对基于小波变换的多种融合算法进行了深入研究和实验仿真。在总结几种基于小波变换的多聚焦图像融合特点的基础上,针对如何兼顾保留源图像更多的融合信息和保证融合图像具有更好的边缘的问题上,提出了一种基于纹理能量特征的图像融合算法,使用这一算法有效地提高了融合图像的质量。此外,本文研究了几种常用的遥感图像融合算法,并用全色图像与多光谱图像的融合进行了实验仿真。针对Brovey变换融合法遇到的全色图像与多光谱图像光谱响应不一致的问题,提出了一种基于光谱修正的Brovey变换融合法,通过编程仿真,发现此方法在提高多光谱图像空间分辨率的前提下,能够充分利用原多光谱图像的光谱信息,特别是在图像中比较暗的区域,更能够突出图像中地物信息,极大地支持了对地物的识别和分类。最后,对本文的工作做了总结,并针对不足提出了未来的研究方向。本文选用了多幅源图像做了融合的仿真实验,得出了一些具有参考价值的结果。本文的创新之处主要有以下几点:(1)定义了两个用于图像多方向纹理检测的纹理模板,通过实验仿真,证明了可以有效地检测出图像在多个尺度上的多方向纹理分布;(2)提出了一种小波域基于纹理能量特征的图像融合算法,由实验得出,该方法可以保留源图像较多的信息量,且能够提高融合图像的清晰度;(3)提出了一种基于光谱修正的Brovey变换图像融合法,该方法作为Brovey变换图像融合法的一种改进算法,能充分利用原多光谱图像的光谱信息,突出图像中更多的地物信息,对地物识别和分类很有意义。

论文目录

  • 中文摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 论文背景与选题意义
  • 1.1.1 图像融合的基本概念
  • 1.1.2 图像融合的意义
  • 1.1.3 图像融合的层次
  • 1.2 图像融合的发展现状和研究热点
  • 1.3 论文的主要工作和组织安排
  • 2 像素级图像融合
  • 2.1 常用的图像融合方法与分类
  • 2.1.1 空间域的融合方法
  • 2.1.2 变换域的融合方法
  • 2.2 图像融合的性能评价指标
  • 2.2.1 主观评价指标
  • 2.2.2 客观评价指标
  • 2.3 本章小结
  • 3 基于小波变换的图像融合
  • 3.1 小波变换理论
  • 3.1.1 小波变换的定义
  • 3.1.2 图像的二维小波变换及其快速算法
  • 3.2 基于小波变换图像融合的基本框架
  • 3.3 高频域的融合算法
  • 3.3.1 最大值法
  • 3.3.2 基于区域的最大值法
  • 3.3.3 基于区域能量的融合算法
  • 3.4 低频域的融合算法
  • 3.4.1 低频平均法
  • 3.4.2 基于低频边缘的算法
  • 3.5 本章小结
  • 4 多聚焦图像融合算法研究
  • 4.1 光学成像系统特性及多聚焦图像融合的意义
  • 4.2 基于纹理能量特征的图像融合算法的提出
  • 4.2.1 常用融合算法的不足
  • 4.2.2 基于纹理能量特征的图像融合步骤
  • 4.3 基于纹理能量特征的图像融合算法
  • 4.3.1 纹理模板的选择和构造
  • 4.3.2 纹理模板的测试与功能分析
  • 4.3.3 纹理能量特征的测度
  • 4.3.4 图像融合算法
  • 4.4 仿真结果与分析评价
  • 4.5 本章小结
  • 5 遥感图像融合算法研究
  • 5.1 遥感基础
  • 5.2 常用遥感平台
  • 5.3 遥感成像的特性
  • 5.4 遥感图像的融合方法
  • 5.4.1 基于小波变换的全光谱图像与多光谱图像融合
  • 5.4.2 基于IHS变换的全光谱图像与多光谱图像融合
  • 5.4.3 基于Bovey变换的全光谱图像与多光谱图像融合
  • 5.5 基于光谱修正的遥感图像融合算法
  • 5.5.1 基于光谱修正的图像融合算法的提出和光谱修正的原则
  • 5.5.2 基于光谱修正的Bovey变换融合算法流程
  • 5.5.3 融合结果与评价
  • 5.6 本章小结
  • 6 结论与展望
  • 参考文献
  • 攻读学位期间取得的研究成果
  • 致谢
  • 个人简况及联系方式
  • 相关论文文献

    • [1].基于小波分析的医学影像图像融合与分解设计实现研究[J]. 辽宁大学学报(自然科学版) 2020(02)
    • [2].纯硬件图像融合处理器的研究[J]. 电子测试 2020(13)
    • [3].基于深度学习算法的图像融合[J]. 国外电子测量技术 2020(07)
    • [4].数字图像融合研究综述[J]. 数码世界 2017(08)
    • [5].浅析第二代Curvelet多聚焦图像融合算法[J]. 明日风尚 2017(20)
    • [6].基于全卷积网络的多焦距图像融合算法(英文)[J]. Frontiers of Information Technology & Electronic Engineering 2020(07)
    • [7].图像融合技术发展综述[J]. 计算机时代 2019(09)
    • [8].~(18)F-FDG PET\CT图像融合诊断恶性肿瘤的护理配合[J]. 贵州医药 2018(03)
    • [9].图像融合方法概述[J]. 科技创新导报 2017(02)
    • [10].PET/CT图像融合在鼻咽癌适形放疗中的应用[J]. 实用临床医药杂志 2013(19)
    • [11].图像融合研究综述[J]. 传感器与微系统 2014(02)
    • [12].数字图像融合新进展[J]. 电脑与电信 2013(04)
    • [13].图像融合方法及应用[J]. 科技信息 2010(28)
    • [14].遥感测绘图像融合的运用研究[J]. 世界有色金属 2019(24)
    • [15].基于分布式压缩感知的异源图像融合方法[J]. 舰船电子工程 2018(12)
    • [16].一种改进的基于小波域的多曝光图像融合算法[J]. 电视技术 2018(03)
    • [17].多方向独立小波耦合神经网络的图像融合算法[J]. 计算机工程与设计 2017(11)
    • [18].基于小波变换的图像融合[J]. 现代工业经济和信息化 2016(01)
    • [19].基于改进小波变换的害虫图像融合方法研究[J]. 粮油仓储科技通讯 2015(04)
    • [20].一种改进图像融合算法[J]. 广东印刷 2011(01)
    • [21].基于提升小波的选择性图像融合算法的研究[J]. 包装工程 2010(15)
    • [22].增强融合图像视觉效果的图像融合方法[J]. 信号处理 2019(03)
    • [23].基于标定配准的红外微光图像融合研究[J]. 光电技术应用 2017(03)
    • [24].基于小波变换的图像融合增强算法[J]. 火箭推进 2017(04)
    • [25].基于情感体验下的交互式绘本App设计研究——以《Summer爱的故事》为例[J]. 包装与设计 2020(04)
    • [26].浅谈图像融合中帧的运用[J]. 电子制作 2012(11)
    • [27].基于亮度一致性的多曝光图像融合[J]. 湖北工业大学学报 2018(01)
    • [28].一种基于特征分解的图像融合方法[J]. 浙江大学学报(理学版) 2018(04)
    • [29].基于噪声整形的压缩感知图像融合算法[J]. 福建电脑 2018(08)
    • [30].基于金字塔的多曝光图像融合系统[J]. 电子制作 2018(17)

    标签:;  ;  ;  ;  ;  

    多传感器图像融合算法研究
    下载Doc文档

    猜你喜欢