毕业设计(论文)数字图像融合方法研究.doc
《毕业设计(论文)数字图像融合方法研究.doc》由会员分享,可在线阅读,更多相关《毕业设计(论文)数字图像融合方法研究.doc(31页珍藏版)》请在三一办公上搜索。
1、数字图像融合方法研究【摘 要】 图像融合是指通过对多源图像信息的提取和合成,从而获得对同一场景目标的更为准确、更为全面、更为可靠的图像描述。人们可以得到包含了在各种环境条件下、各种模式下、各种观测角度对同一事物的综合特征描述的合成图像。图像融合通常可分为像素级融合、特征级融合和决策级融合三个层次。目前,像素级融合是图像融合的研究重点。本文首先介绍了图像融合的目的、国内外研究现状、面临的问题以及本文的主要工作。接着重点论述了图像融合的三个层次以及像素级图像融合的几种常用方法,并通过matlab仿真,比较加权平均法、主成分分析(PCA)法、IHS融合法以及小波变换法的融合效果。【关键词】 图像融合
2、,主成分分析,IHS,小波变换ABSTRACTImage fusion means to extract and synthesize multiple source pictures and get more accurate, more comprehensive and more reliable information about same scene or object. We can get the same things described in the comprehensive feature composite image including a variety of en
3、vironmental conditions, a variety of modes and a variety of viewing angle. Image fusion is usually divided into three levels of pixel level fusion, feature level fusion and decision level fusion. At present, the pixel level fusion is the research focus of image fusion. Firstly, this dissertation int
4、roduces the purpose, the present research situation at home and abroad and problem of image fusion and the main content of this article. Then focus on discuss the three levels of image fusion and several commonly used methods of pixel level image fusion, comparing the fusion effect of weighted avera
5、ge method, Principle components analysis ( PCA) method, IHS fusion method and wavelet transform fusion.Keywords:Image fusion, Principle components analysis ( PCA), Intensity-Hue-Saturation (IHS), Wavelet transform目 录1. 绪论11.1 图像融合的目的11.2 国内外研究现状11.3 图像融合面临的问题21.4 本文的主要工作32. 图像融合理论42.1 图像融合层次42.1.1 像
6、素级图像融合42.1.2 特征级图像融合42.1.3 决策级图像融合52.2 几种像素级图像融合方法理论介绍72.2.1 加权平均法72.2.2 主成分分析(PCA)法92.2.3 基于IHS变换的图像融合122.2.4 基于小波变换的图像融合143. matlab仿真结果及其分析193.1 matlab 仿真结果193.2 融合图像效果分析214. 结论254.1 论文主要工作254.2 研究展望25参考文献27致 谢281. 绪论1.1 图像融合的目的图像融合的目的就是通过对多源图像信息的提取和合成,从而获得对同一场景目标的更为准确、更为全面、更为可靠的图像描述1。1.2 国内外研究现状图
7、像融合早期被应用于多光谱卫星遥感图像的分析和处理中。20世纪80年代初期,Daily、Laner和Todd进行了雷达图像、Landsat-RBV、Landsat-MSS图像的融合实验。到80年代后期,图像融合技术逐渐引起人们的关注,并开始应用于遥感光谱图像的合成,进行地质、矿产、气候、环境的探测和研究。90年代后,随着多可遥感卫星JERS-1、ERS-1、Radarsat等的出现,图像融合技术成为遥感图像处理的研究热点,并且研究领域扩展到可见光图像处理、红外图像处理、医学图像处理等领域。近年来,图像融合技术已经成为计算机视觉、自动控制、机器人、目标识别跟踪、军事应用领域的关键技术之一1。国内对
8、图像融合的研究起步于上世纪90年代。1991年海湾战争后,图形融合技术引起了我国军方的高度重视,相继许多高校和科研单位展开了在这一领域的研究工作,也取得了一系列显著的研究成果,但多数研究成果都只仅限于理论性的探测和研究,同国外先进水平相比,国内在这一领域的研究进展还比较缓慢,尤其是在对图像融合的一些新理论、新思想、新算法的探索和对融合效果的衡量方面。因此,国内在此领域的研究基本上处于初级阶段。1.3 图像融合面临的问题总体上看,无论是在国内还是国外,图像融合技术的研究越来越受到广泛的关注,并且在很多方面都取得了非常显著的成就,但是就目前国内外在此领域的研究现状而言,仍有许多问题值得我们注意,并
9、且这些问题将成为我们今后研究的重点。 图像融合技术虽然在很多方面取得了非常显著的成就,但到目前为止并没有形成一个完整的、普遍的理论体系,国内外的很多研究也都只侧重于对具体的某一方面的研究,这样导致的结果是实用性比较差,而且适用范围也不广。 图像融合速度问题:就图像融合目前的发展现状而言,图像的融合效果和融合速度之间存在着矛盾。一般的融合方法,算法简单直观、融合速度快、实时性强,但融合后的效果很难令人满意,在实际应用中并没有多大的用处,也很难得到广泛的应用;而一些较好的融合方法,比如:多分辨塔式方法和小波变换方法,它们的融合效果相对比较好,但融合速度大大降低。这就造成了融合速度与融合效果两者之间
10、的矛盾,所以,探索一种融合速度快、融合效果好的融合算法将成为我们今后研究的一个重要方面。 融合图像的效果衡量问题:虽然近几十年来,图像融合技术在军事、民用、遥感、医学等众多领域得到了广泛的应用并取得了显著的成就,但是就融合图像的效果衡量而言,到底哪种融合方法的融合效果较好,对这一问题,目前并没有形成一个统一的、客观的衡量标准,通常都只能靠观察者的主观感觉来进行评判,但是由于许多内因和外因的存在,会对人的主观观察产生影响,进而影响评判的准确性,所以,得出的结论也是因人而异,没有说服力。在我国,图像融合技术才刚刚起步,同国外先进水平相比还有很大的差距,这说明我们仍任重而道远,在图像融合方面还需要进
11、行更加广阔、更加深入的探索和研究。1.4 本文的主要工作本文的主要工作是围绕图像融合展开的,讨论了图像融合的目的、国内外研究现状、研究中所面临的问题以及图像融合的三个层次,重点研究了像素级图像融合的几种常用方法,包括加权平均法、主成分分析(PCA)法、IHS变换法和小波变换法,并对这4种融合方法进行了理论分析,通过matlab进行实验仿真,得出4种不同融合方法下的融合图像,通过一些图像融合标准参数对4种不同融合方法下得到的融合图像进行衡量,看哪种融合效果比较好。本文具体完成的工作如下: 简单阐述图像融合的三个层次:像素级图像融合、特征级图像融合和决策级图像融合。 重点介绍了像素级图像融合的4种
12、常用融合方法:加权平均法、主成分分析(PCA)法、IHS变换法和小波变换法。并对这4种融合方法在理论上作了详尽、清晰的描述(包括各种融合方法的理论、算法、流程图、步骤以及各自的优缺点)。 运用上述4种融合方法的理论知识,通过matlab仿真得出4种不同融合方法下的融合图像,并通过一些图像融合标准参数:信息熵、均方根误差、信噪比和平均梯度,对上述4种方法得出的融合图像进行衡量,最终得出小波变换是这4种融合方法中最出色的方法,而加权平均法、主成分分析(PCA)法和IHS变换法都有其各自的不足之处,融合效果不大令人满意。2. 图像融合理论2.1 图像融合层次多传感器图像融合与经典的单一图像处理方法之
13、间存在本质的差别,单一图像处理是对人脑信息处理过程的低水平模仿。而多源图像融合信息具有更复杂的形式,而且出现在不同的信息层次上,通常可分为以下三个层次:像素级图像融合、特征级图像融合和决策级图像融合。2.1.1 像素级图像融合基于像素级融合,是对多源图像的关于同一场景、目标的同一像素级灰度进行的综合处理,生成的新图像能够包含源图像中所有像素点的信息,融合流程图如图1所示。进行像素级融合之前,必须先对进行融合的图像进行预处理和图像配准,目的是为了提高融合的可靠性和精度。每个传感器提供的图像来自不同的时间和空间,或者是在同一时间和空间下而具有不同光谱特性的图像。它们提供的信息是多方面的,通过基于像
14、素级别的融合,增加了图像的信息,在提供细节信息方面优于特征级和决策级的融合。像素级的融合使结果图像更丰富可靠,有利于进一步进行分析、处理、理解,能提供最优决策和性能辨识1。2.1.2 特征级图像融合特征级的融合是利用从各个传感器图像的原始信息中提供的特征信息进行综合分析处理,融合流程图如图2所示。从每个传感器提取局部特征,融合处理后获得复合特征。特征通常为图像边缘、角点、纹理、相似区域等。例如,在利用红外热像仪和可见光摄影机进行目标识别时,首先要在两幅图像上找到目标背景之间的差异,对目标的轮廓进行提取;然后对目标进行比较、选择、综合,最后进行识别和决策1。 图像1图像2图像n预处理图像配准像素
15、级别融合特征提取分类决策结果 图1 像素级图像融合图像1图像2图像n预处理特征提取图像配准特征融合结果 图2 特征及图像融合2.1.3 决策级图像融合决策级的融合,先对每个源图进行预处理、特征提取、识别或判决,融合流程图如图3所示。首先做出目标的初级判断和结论,然后对来自各个传感器的决策进行相关处理,最后进行获得联合判断。决策级的融合是直接针对具体的决策目标,充分利用来自各自图像的初级决策。在决策级的预处理中,对图像配准的要求较低,甚至可以不用考虑,因为,各个传感器已经首先进行了决策提取。决策级的图像融合具有较高的可靠性,当某个传感器失效时,融合仍可以进行,系统容错性好。主要技术包括表决法、B
16、ayes推理、Dempster-Shafer方法、推广的证据处理理论、模糊集法等4-8。图像1图像2图像n预处理特征提取特征分类图像配准决策融合结果 图3 决策及图像融合已有的理论和研究表明,上述三个层次的融合,像素级的融合在预处理、信息量、信息损失、分类性方面性能最优,而特征级和决策级融合性能较差。然而像素级融合在融合处理的难易程度上为最复杂、对传感器的依赖性最高、系统容错性差,抗干扰能力也最低。像素级的图像融合是最基本的图像融合方法,也是特征级融合、决策级融合研究的基础,其结果图像获得的信息量最多、目标的辨识性最好。考虑到图像融合主要目的在于集成多源图像中的冗余信息和互补信息,强化对图像的
17、理解和分析。因此,本文所研究的图像融合为像素级融合。特征级融合和决策级融合只作简单的描述。2.2 几种像素级图像融合方法理论介绍像素级图像融合方法有很多,目前常用的有简单加权平均方法、多分辨塔式方法、小波变换方法、主成分分析(PCA)方法、彩色空间方法、卡尔曼滤波方法和IHS(亮度、色度、饱和度)变换方法等。本文就加权平均法、主成分分析(PCA)法、IHS变换法和小波变换法这四种展开研究,主要包括各种融合方法的理论、算法、融合流程图、融合步骤以及各种融合方法的优缺点以及适用范围。2.2.1 加权平均法加权平均图像融合过程可以表示为: (2-1)式中: 图像中像素的行号,=1,2,M; 图像中像
18、素的列号, =1,2,N; 加权系数1; 加权系数2;通常:。 图像灰度值的平均可看作灰度值和加权的特例()。多数情况下,这种加权平均融合的方法中,参加融合的图像提供的冗余信息,通过这种融合可以提高检测的可靠性。同时,当用于多帧图像的融合处理时,可提高融合图像的信噪比。例如,假设有M个含噪声图像: (2-2)式中 i=1,2,M; 原图像(不含噪声); 为图像在像素点处的噪声,假设其为不相关、零均值随机噪声。对以上M个图像进行平均融合后的图像为: (2-3)显然有: (2-4) (2-5)式中: 为的均值; 为在处得方差; 为在处得方差。融合后图像在处的标准偏差为: (2-6)式(2-6)说明
19、,经像素平均融合后得到的融合图像的标准差降为原来的。实际上,此时的多帧图像的像素平均融合就是一种图像的平滑处理,这种平滑处理在减小图像中噪声的同时,往往可能在一定程度上使图像中的边缘、轮廓变得模糊了。所以,加权平均图像融合具有算法简单,融合速度快的优点,但在多数应用场合,该图像融合算法难以取得令人满意的融合效果。若要对彩色图像进行融合处理时,可以按照三基色模型,将每幅彩色图像看作三幅单色图像(红、绿、蓝)的叠加,分别对各色图像进行融合处理,最终可得到融合后的三幅红、绿、蓝单色图像,由这三幅单色图像叠加便可形成融合后的彩色图像。也就是说,彩色图像的融合过程可以分解成三基色单色图像的融合过程。对彩
20、色图像进行像素级加权平均融合处理为: (2-7) 式中:下标R、G、B分别表示三基色红、绿、蓝,与之对应的图像分别为三基色单色图像。当然,在进行彩色图像融合处理的实际过程中,有时为了避免彩色失真,在融合处理之后可能还要对图像进行彩色平衡、补偿等处理。不过这些彩色处理基本都是线性处理9。加权平均融合法的优点是:算法简单直观、融合速度快、实时性强;缺点是:常需要人工干预并且图像融合结果很难令人满意,实际应用不广泛。 2.2.2 主成分分析(PCA)法PCA变换也叫主成分变换,是一种常用的数据降维处理方法,它的几何意义是把原始特征空间的特征轴旋转到平行于混合集群结构去,得到新的特征轴。实际操作是将原
21、来的各个因素指标重新组合,组合后的新指标是互不相关的。在由这些新指标组成的新特征轴中,只用前几个分量图像就能完全表征原始集群的有效信息,图像中彼此相关的数据被压缩,而特征得到了突出。主成分变换的变换公式可以用下式表示: (2-8)式中: :待变换图像的数据矩阵; :变换后图像的数据矩阵; :变换矩阵。若是正交矩阵,并且由待变换图像的数据矩阵的协方差矩阵的特征矢量所组成,则此变换成为K-L变换,称变换的数据矩阵的每一行矢量为K-L变换的一个主分量。对低分辨率多光谱图像与高空间分辨率图像融合时,主成分变换的融合方法的基本思想是:首先对多光谱图像进行主成分变换,然后用拉伸的高空间分辨率图像代替第一主
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 毕业设计 论文 数字图像 融合 方法 研究

链接地址:https://www.31ppt.com/p-3982622.html