像素級(jí)圖像融合及其相關(guān)技術(shù)研究.pdf

1、經(jīng)過三十多年的發(fā)展，多源傳感器圖像信息融合逐漸成為一門新興的學(xué)科。多源傳感器圖像信息融合是指通過對(duì)兩個(gè)或者多個(gè)傳感器獲得的關(guān)于同一場(chǎng)景的圖像信息進(jìn)行整合處理，以便獲得一幅對(duì)該場(chǎng)景更精確、更可靠和更全面描述的圖像。隨著圖像融合技術(shù)及其理論的進(jìn)一步發(fā)展和完善，可以預(yù)見它將更廣泛地應(yīng)用到軍事、醫(yī)學(xué)、工業(yè)監(jiān)測(cè)、地球遙感等領(lǐng)域。盡管圖像融合的研究取得了很大的成就，但是由于圖像融合面對(duì)很多新情況、新問題，使得圖像融合的研究變得越來越重要。目前，國內(nèi)

2、關(guān)于圖像融合的研究處于起步階段，遠(yuǎn)遠(yuǎn)落后于國外，因此，有必要對(duì)圖像融合進(jìn)行深入的研究。本文對(duì)像素級(jí)圖像融合在理論和技術(shù)方面進(jìn)行了如下的研究：
　　(1)圖像融合是一個(gè)病態(tài)的求逆問題，采用模擬退火算法求解能量最小化函數(shù)時(shí)速度很慢，且無法保證獲得最優(yōu)解，本論文采用圖論為圖像融合的能量最小化函數(shù)建立了相應(yīng)的圖模型，并采用圖割理論進(jìn)行優(yōu)化求解，極大地提高了圖像融合的求解速度，并能獲得問題的全局最優(yōu)解。
　　(2)在子空間和多尺度上對(duì)

3、圖像融合進(jìn)行了研究。其一，采用二維主成分分析及控向金字塔分解方法，對(duì)多光譜和全色圖像的融合進(jìn)行了研究，同時(shí)還考慮了邊緣的保護(hù)，實(shí)驗(yàn)表明該算法能夠有效地改善圖像的空間分辨率及減少光譜失真；其二，綜合利用主成分分析、IHS變換及視覺驅(qū)動(dòng)模型對(duì)醫(yī)學(xué)PET圖像和MRI圖像融合進(jìn)行了研究，該算法綜合利用了三者的優(yōu)點(diǎn)，能夠有效地提高融合的空間分辨率，降低光譜失真；其三，基于特殊線性群理論提出了一種新的獨(dú)立成分分析算法，應(yīng)用該算法進(jìn)行圖像融合時(shí)可以有

4、效地提高融合效果；最后，在最大似然估計(jì)理論和拉普拉斯金字塔分解算法上建立了一種新的圖像融合算法，該算法有效的結(jié)合了估計(jì)理論和多尺度分解的優(yōu)點(diǎn)，實(shí)驗(yàn)結(jié)果表明該算法能夠獲得比較好的融合效果。
　　(3)針對(duì)有噪源圖像，為了更有效地提高空間分辨率和視覺效果，以及保護(hù)邊界信息，提出了一種改進(jìn)全變差融合算法，結(jié)合二階優(yōu)化模型，獲得了一種新的融合算法。
　　(4)由于融合算法中存在很多求解矩陣特征值的問題，而神經(jīng)網(wǎng)絡(luò)在求解矩陣特征值時(shí)具

5、有并行、快速和易于實(shí)現(xiàn)的優(yōu)點(diǎn)，因此本論文系統(tǒng)研究了運(yùn)用神經(jīng)網(wǎng)絡(luò)來求解矩陣特征值的算法，根據(jù)這些算法可以獲得：實(shí)反對(duì)稱矩陣全部特征值及其特征向量，特殊正交矩陣所有特征值及其特征向量，一般實(shí)矩陣虛部絕對(duì)值最大或最小特征值及其特征向量，一般實(shí)矩陣模最大或最小特征值及其特征向量，一般實(shí)矩陣實(shí)部最大和最小特征值及其特征向量，一般實(shí)矩陣實(shí)部絕對(duì)值最大特征值的實(shí)部。同時(shí)討論了實(shí)反對(duì)稱矩陣特征值求解的復(fù)神經(jīng)網(wǎng)絡(luò)算法，提出了求解一般實(shí)矩陣全部特征值的統(tǒng)一