基于證據(jù)理論的圖像融合新算法及應(yīng)用.pdf

1、圖像融合是圖像理解和計(jì)算機(jī)視覺領(lǐng)域中一項(xiàng)重要而有用的新技術(shù)。由于利用了來自多傳感器的多源圖像，所以，融合后圖像比任何單一源圖像都更全面、更準(zhǔn)確。融合圖像更符合人和機(jī)器的視覺特征，更有利于諸如目標(biāo)識別、特征提取等進(jìn)一步的圖像處理，因此成為近年來的研究熱點(diǎn)。 本文在證據(jù)理論的基礎(chǔ)上，提出了一種用證據(jù)理論結(jié)合模糊測度進(jìn)行圖像融合的新算法。證據(jù)理論是一種應(yīng)用廣泛的數(shù)據(jù)融合方法，但證據(jù)理論在圖像融合應(yīng)用中存在一些難點(diǎn)。首先是基本概率賦值的

2、獲取是比較困難的一個(gè)環(huán)節(jié)，而且這一環(huán)節(jié)直接影響最后的融合性能，是證據(jù)理論中的關(guān)鍵問題。其次是證據(jù)理論的計(jì)算復(fù)雜度隨推理步驟的增加成指數(shù)增長。本文算法較好的解決了這兩方面的問題，該算法采用模糊聚類算法對圖像進(jìn)行聚類分析，并利用啟發(fā)式最小二乘算法對模糊測度進(jìn)行計(jì)算，從而確定證據(jù)理論的mass函數(shù)，降低了參數(shù)辨識的復(fù)雜度，有效地解決了證據(jù)理論應(yīng)用中基本概率賦值如何確定的難題。 本文算法應(yīng)用到多相流流型識別中，對不同源傳感器重構(gòu)圖像進(jìn)行