多源圖像的特征融合方法研究.pdf

1、近年來，在信息融合理論研究和應(yīng)用的基礎(chǔ)上，多源圖像融合技術(shù)逐步發(fā)展了起來，其中最經(jīng)典的應(yīng)用就是可見光與紅外圖像的融合。可見光傳感器通過獲取目標(biāo)場景的反射信息成像，紅外傳感器由熱探測元件接收場景內(nèi)物體發(fā)出的紅外輻射成像。在實際應(yīng)用中可見光傳感器雖然有很多優(yōu)點，但它在惡劣的環(huán)境下得到的畫面不夠清晰，而紅外傳感器正好能夠克服這一缺點，因此兩種傳感器的圖像融合能夠做到優(yōu)勢互補(bǔ)，得到更全面的目標(biāo)場景描述。特征級圖像融合與像素級融合和決策級融合相比

2、，在保留目標(biāo)的有效鑒別信息的同時又能夠去除數(shù)據(jù)冗余，并且有較好的分類性能，是一種很好的圖像融合方法。但是目前關(guān)于特征級融合的文獻(xiàn)和研究成果較少，還在積極探索中，因此本文在這種背景下對紅外與可見光圖像的特征級融合方法做了深入研究。本文具體的研究內(nèi)容如下:
　　(1)分析了目前特征提取中常用的目標(biāo)特征，包括灰度共生矩陣、Hu不變矩、仿射不變矩、小波矩和Zernike矩，研究了特征級目標(biāo)識別系統(tǒng)的基本結(jié)構(gòu)和識別原理，并闡述了紅外與可見光

3、的特征級融合過程。
　　(2)研究了獨立分量分析(ICA)算法。闡述了ICA算法的基本原理和獨立性的度量指標(biāo)，重點研究了快速固定點ICA算法，并且將其應(yīng)用到紅外與可見光圖像的特征融合中，實驗證明ICA方法得到的融合特征具有很好的識別率。
　　(3)研究了主成分分析(PCA)算法。結(jié)合紅外與可見光圖像的特點，將PCA算法應(yīng)用到特征融合中，構(gòu)造出相關(guān)系數(shù)矩陣，并求出其特征值和特征向量，根據(jù)累計貢獻(xiàn)率選擇融合特征。實驗證明PCA方