多譜圖像融合與處理技術(shù)研究.pdf

1、隨著多譜成像技術(shù)的迅速發(fā)展，多譜圖像已經(jīng)被廣泛地應(yīng)用于軍事、氣象、醫(yī)學(xué)以及對(duì)地遙感等多個(gè)領(lǐng)域，在國(guó)民生產(chǎn)生活中發(fā)揮著越來(lái)越重要的作用。成像傳感器類型的增多會(huì)直接導(dǎo)致數(shù)據(jù)量的急速增長(zhǎng)以及隨之表現(xiàn)出的圖像數(shù)據(jù)多樣性。如何有效地對(duì)多譜圖像信息進(jìn)行綜合處理，最大限度地利用互補(bǔ)信息，減少冗余是極具研究?jī)r(jià)值和現(xiàn)實(shí)意義的課題。
　　本文以多譜圖像中使用較多的中波紅外、長(zhǎng)波紅外和可見(jiàn)光圖像為主要研究對(duì)象，以對(duì)多譜圖像信息進(jìn)行綜合處理研究目標(biāo)，詳細(xì)

2、研究了目標(biāo)潛在區(qū)域檢測(cè)、圖像分割、像素級(jí)與特征級(jí)融合等多譜圖像融合與處理技術(shù)，最終對(duì)以上研究?jī)?nèi)容與其它研究成果進(jìn)行集成，形成了一套較為完整的多譜圖像信息綜合處理系統(tǒng)。該系統(tǒng)能夠?qū)Τ菂^(qū)、農(nóng)田、植被、水域、機(jī)場(chǎng)、橋梁、飛機(jī)以及艦船等感興趣目標(biāo)進(jìn)行有效地檢測(cè)與識(shí)別。本文主要工作和創(chuàng)新成果如下：
　　在目標(biāo)檢測(cè)識(shí)別的過(guò)程中，通過(guò)目標(biāo)潛在區(qū)域檢測(cè)可以提高檢測(cè)識(shí)別的準(zhǔn)確性，降低所需處理的數(shù)據(jù)量。遙感圖像分類技術(shù)通過(guò)對(duì)城區(qū)、農(nóng)田、植被與水域等區(qū)

3、域大目標(biāo)的分類識(shí)別，可以達(dá)到場(chǎng)景分析的目的，并進(jìn)一步確定目標(biāo)潛在區(qū)域。本文將改進(jìn)的行程長(zhǎng)度紋理特征與神經(jīng)網(wǎng)絡(luò)相結(jié)合，應(yīng)用于高分辨率、大區(qū)域的可見(jiàn)光遙感圖像分類中。在特征選擇階段采用類內(nèi)-類間方差標(biāo)準(zhǔn)與Rough集相結(jié)合的方法挑選出了有較強(qiáng)分類能力的特征，并有效地去除了冗余特征。實(shí)驗(yàn)表明該方法能獲得較好的遙感圖像分類效果。
　　圖像分割技術(shù)廣泛地應(yīng)用于目標(biāo)檢測(cè)識(shí)別與特征提取，其中圖像閾值分割是一種簡(jiǎn)單有效的圖像分割方法。為了綜合利用

4、圖像中像素點(diǎn)的灰度和空間分布信息，本文提出了灰度空間相關(guān)直方圖（GLSC直方圖）的概念，并成功地將人眼視覺(jué)非線性特性融入其中。通過(guò)結(jié)合信息熵與第二類模糊集的概念，提出了兩種不同的圖像閾值分割方法。與傳統(tǒng)算法相比，新算法在分割效果與耗時(shí)上能取得較好的平衡。
　　圖像中目標(biāo)與背景間的對(duì)比度對(duì)目標(biāo)檢測(cè)識(shí)別有重要的影響。本文研究了一種基于非子采樣輪廓波(NSCT)的像素級(jí)多譜圖像融合方法。該方法可以提高目標(biāo)與背景間的對(duì)比度，并增強(qiáng)圖像的清

5、晰度。
　　特征級(jí)融合是一種較高層次的圖像融合方法，關(guān)鍵是如何確定異譜特征間的冗余性和互補(bǔ)性，通過(guò)去除冗余并實(shí)現(xiàn)互補(bǔ)，達(dá)到特征最優(yōu)組合的目的。本文提出了一種特征級(jí)圖像融合方法。通過(guò)LLC編碼對(duì)異譜特征進(jìn)行特征分解，可以有效地體現(xiàn)特征間的冗余性和互補(bǔ)性，特征融合采用max-pooling準(zhǔn)則。在具體的目標(biāo)檢測(cè)識(shí)別中，提取HOG特征描述目標(biāo)特性，以模塊化SVM作為分類器。
　　為了將上述研究?jī)?nèi)容與其它研究成果進(jìn)行集成，本文提出了