论文摘要
图像融合技术发展非常迅速,该技术在社会各项事业发展中有着非常广泛的应用,国内对该技术的研究相对落后,目前还停留在理论研究阶段,进一步提高图像预处理质量、融合质量;提高融合效率;完善融合框架;形成更客观的评价标准等都是业内研究的热点。本文首先对图像融合的传统算法做了比较深入地了解和实验仿真。其次,对图像融合预处理工作,特别是去噪分析这一阶段工作也有了较为深入地了解。受多目标优化算法的启发,本文提出了一种新的改进的NEMOPSO算法,新算法基于多目标粒子群算法的框架,对粒子速度做了二次惯性指数调节,提出了基于客观比较法的多目标问题处理策略,使得算法的寻优性能得到了进一步的提高。论文把这种新算法用于图像去噪和图像融合中,取得了较为理想的效果。整个工作中主要的创新点有以下:一是提出了一种基于客观比较法的NEMOPSO算法。这种算法跳出了以往基于线性加权、自适应变权的框架,也没有引入计算代价相对高的基于自适应网格或基于拥挤度计算的Pareto算法;不直接聚合多目标函数,没有因个人偏好先验地赋权值,也没有依权重对多目标函数值进行排序或拥挤度计算处理,而是直接从各个指标的值出发,做横向的比较,只关心每次客观比较的较大或较小值个数,使得搜索时综合考虑了各指标的影响力,从而让搜索结果更好地接近Pareto最优解集。该算法在速度调节部分,设计了二次惯性调节函数,保证了粒子速度的差异性,一定程度上减少了粒子的早熟现象。二是提出了一种针对多目标优化算法性能评价的新指标越界率(OR),该指标是基于统计的思想提出的,计算了每次速度更迭后超过粒子最大速度的粒子数目和,并与迭代粒子和迭代次数的乘积做比。这个指标反映了粒子的学习能力和全局收敛性能。经过多次试验,发现它与传统的目标距离、分离度等有着相关的增减趋势,从而验证了指标的可行性,文章在比较各类多目标算法时大胆应用了该指标。三是在图像融合过程中,对于多目标搜索范围,没有直接在融合后图像的表示矩阵中做搜索,而是直接在图像分解后关心的分量矩阵做搜索。大量实验表明,这样的处理方法不但大大降低了运算速度,而且搜索寻优后的值并不比直接搜索融合后图像矩阵的值差。本文随机引入了两个求最大值和最小值的多目标测试函数,并使测试函数中各目标函数存在着较为明显的矛盾,实验证明NEMOPSO算法能够较好地收敛在Pareto前端。与经典的多目标算法相比,本文提出的算法在分离度、目标距离、OR以及运行时间上都占据较为明显的优势。文章还将新算法用于图像去噪以及图像融合,并与传统的多种算法做了比较,经过大量实验和仿真,证明了论文提出的方法在主、客观两方面的性能指标上都有相应的均衡和提高。