多傳感器圖像融合技術(shù)研究.pdf

1、多傳感器圖像融合技術(shù)能夠協(xié)同利用多種成像傳感器，通過提取和綜合來自同一場景的多個傳感器的圖像信息，獲得對目標更為準確、全面、可靠的圖像描述，使之更適合視覺感知或計算機后續(xù)處理。對于同一場景的多傳感器圖像之間既有冗余性又有互補性，因此多傳感器圖像融合能夠從多個視點獲取信息，擴大時空傳感范圍，有效提高系統(tǒng)的可靠性和圖像信息的利用效率。目前，多傳感器圖像融合己成為圖像理解、計算機視覺以及遙感領域中的一個研究熱點，并廣泛應用于自動目標識別、智能

2、機器人、遙感、醫(yī)學圖像處理和制造業(yè)等領域。像素級多傳感器圖像融合獲取的原始信息量最多、檢測性能最好、應用范圍最廣，是特征級融合和決策級融合的基礎。本文針對像素級多傳感器圖像融合方法和應用進行了深入研究。
　　 本文首先對圖像融合的基本概念和融合方法進行了簡單介紹，包括融合體系結(jié)構(gòu)、傳感器性能特點、常用融合方法，并對融合圖像質(zhì)量的評價標準分別從定性與定量方面進行了歸納總結(jié)。然后對一些常用的基于空間域與變換域的圖像融合方法進行了深入

3、分析，包括灰度值選取方法、加權(quán)平均方法、PCA方法、偽彩色方法；拉普拉斯金字塔分解方法、比率低通金字塔分解方法、對比度金字塔分解方法、梯度金字塔分解方法、小波變換方法；以及PCNN方法等，并根據(jù)主、客觀評價準則對各種方法的融合效果進行了對比分析。在此基礎上，針對傳統(tǒng)方法的不足，提出了相應的改進，包括改進的偽彩色融合方法、基于邊緣檢測的融合方法、基于區(qū)域均勻度測度和梯度的融合方法以及改進的自適應PCNN圖像融合方法，改善了原有的缺點，取得

4、了良好的效果。在圖像融合規(guī)則的選取上，研究了基于像素的選取準則以及基于區(qū)域能量測度和一致性驗證的選取準則，從融合結(jié)果可以看出基于區(qū)域測度融合準則的優(yōu)越性。
　　 此外，本文還討論了基于PCNN圖像融合的一般方法，重點研究了自適應PCNN與小波變換相結(jié)合的圖像融合方法，對PCNN的參數(shù)進行了詳細分析，得出了一些有用的結(jié)論，指出連接強度與圖像的局部熵有關，提出了可以根據(jù)圖像局部熵來自動調(diào)整連接強度等，從而更符合人類視覺系統(tǒng)的特點，獲