基于信息融合的图像理解方法研究

论文摘要

图像理解的根本任务就是要正确解释所感知的图像场景。图像数据本身存在含糊性,图像理解中的信息获取、知识表述以及目标识别等都存在信息的不确定问题。而信息融合技术研究多源信息的加工和协同利用,形成多形式信息互补,获得对同一事物或目标更客观、更本质的认识。采用信息融合的智能信息处理技术可以有效解决图像理解中的不确定性问题,是一种新颖的研究思路,具有深远的理论意义和广阔的应用前景。 论文在对信息融合理论和方法研究的基础上,采用信息融合技术分别从像素层融合、特征层融合以及决策层融合这三个层次对于图像理解中的信息获取、知识表述以及目标识别问题展开研究。 论文主要工作如下: （1）通过分析图像理解中的信息获取、数据和知识表述方法及目标识别问题的研究现状和存在问题,讨论了研究基于信息融合的图像理解方法的有效性。 （2）从图像数据融合的角度研究基于像素层融合的图像信息获取方法。比较了常用的像素层图像融合算法,分析了融合图像的质量评价问题,提出了一种新的融合图像质量评价标准,并提出了一种新的夜视图像彩色化融合算法,实验结果表明该算法的有效性。 （3）将D-S证据理论等不确定性处理的方法引入到特征层融合,研究其在图像理解中知识表述方面的应用,分析了D-S证据理论中的关键问题和解决途径,提出了基于D-S证据理论的融合图像分割及融合边缘提取的新方法,得到了较好的图像分割及边缘提取结果。 （4）研究基于决策层融合的多分类器目标识别,针对图像理解中的多类目标识别问题,提出了一种基于D-S证据理论的多特征的层次识别方法,讨论了D-S证据理论与模糊集合方法的联系,并应用于生物特征认证和交通标志识别中。

论文目录

• 第一章 绪论
• 1.1 研究背景
• 1.1.1 图像理解的层次结构
• 1.1.2 图像理解中知识的表示与推理
• 1.2 研究内容
• 1.2.1 图像理解中的难点问题
• 1.2.2 基于信息融合的图像理解
• 1.3 论文主要工作及章节安排
• 第二章 图像理解概述及其主要问题
• 2.1 图像理解概述
• 2.2 图像理解的研究内容
• 2.2.1 图像理解中的信息获取
• 2.2.2 图像理解中的表示方法
• 2.2.3 图像理解中的目标识别
• 2.3 本章小结
• 第三章 信息融合理论
• 3.1 信息融合定义和基本原理
• 3.1.1 信息融合的定义
• 3.1.2 信息融合的基本原理
• 3.2 信息融合模型
• 3.2.1 JDL模型
• 3.2.2 简单功能模型
• 3.3 信息融合的体系结构
• 3.3.1 集中式融合
• 3.3.2 分布式融合
• 3.3.3 混合式融合
• 3.4 信息融合的层次结构
• 3.4.1 数据层融合
• 3.4.2 特征层融合
• 3.4.3 决策层融合
• 3.4.4 三种层次结构之间的比较
• 3.5 信息融合算法
• 3.5.1 物理模型类识别算法
• 3.5.2 基于特征的推理技术
• 3.5.3 认知模型类识别算法
• 3.6 信息融合的研究现状和发展趋势
• 3.6.1 信息融合的研究现状
• 3.6.2 信息融合的发展趋势
• 3.7 本章小结
• 第四章 基于信息融合的图像信息获取方法
• 4.1 图像融合概述
• 4.1.1 图像融合定义
• 4.1.2 图像融合的应用领域
• 4.1.3 图像融合研究进展和发展方向
• 4.2 像素层图像融合算法
• 4.2.1 像素级加权平均法
• 4.2.2 多分辨率方法之金字塔分解
• 4.2.3 多分辨率方法之小波变换方法
• 4.3 图像融合的评价标准
• 4.3.1 图像融合质量的主观评价方法
• 4.3.2 图像融合质量的客观评价方法
• 4.3.3 结合主观和客观因素的图像融合质量评价方法
• 4.3.4 实验结果
• 4.4 色彩融合
• 4.4.1 色彩融合概述
• 4.4.2 基于空间变换的色彩融合
• 4.5 本章小结
• 第五章 基于D-S证据理论的融合特征提取方法
• 5.1 D-S证据理论的概念及其主要问题
• 5.1.1 D-S证据理论中的基本概念
• 5.1.2 D-S证据理论的特点和存在问题
• 5.2 基于融合的图像分割
• 5.2.1 图像的模糊聚类分割
• 5.2.2 丛于模糊隶属度的基本概率赋值
• 5.2.3 基于D-S证据理论的图像融合分割
• 5.3 基于融合的边缘提取
• 5.3.1 ANOVA边缘检测方法
• 5.3.2 基于ANOVA方法的D-S证据理论融合算法
• 5.3.3 实验结果及其分析
• 5.4 本章小结
• 第六章 基于决策层融合的目标识别方法
• 6.1 目标识别中不确定信息的处理
• 6.1.1 图像理解系统中不确定信息的处理
• 6.1.2 目标识别中的信息融合技术
• 6.1.3 基于数据的不确定性处理方法
• 6.2 一种基于D-S证据理论的多类目标的层次识别方法
• 6.2.1 D-S证据理论与数据相似度的联系
• 6.2.2 基于D-S证据理论的多类目标的层次识别方法
• 6.2.3 实验结果及分析
• 6.3 基于决策层融合的目标识别方法
• 6.3.1 决策层融合在生物特征识别中的应用
• 6.3.2 决策层融合在形状识别中的应用
• 6.4 本章小结
• 第七章 总结和展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 攻读博士学位期间发表论文及参加科研情况