圖像融合中關(guān)鍵技術(shù)的研究.pdf

1、圖像邊緣檢測和圖像配準(zhǔn)是圖像融合的關(guān)鍵步驟和必要前提。本文對(duì)圖像的邊緣檢測和圖像配準(zhǔn)技術(shù)進(jìn)行研究，把一些新的算法運(yùn)用到圖像邊緣檢測和圖像配準(zhǔn)中，為后續(xù)序列圖像處理和圖像融合做準(zhǔn)備。 邊緣特征是圖像中非常重要且容易獲得的特征，已經(jīng)有很多邊緣提取的算法，例如sobel算子、canny算子、Log算子等。但這些算法對(duì)噪聲比較敏感，雖然改進(jìn)的canny算子有了很大的提高，能提取出比較清晰的邊緣，并具有一定的抗噪性，但是算法檢測速度較慢，

2、不能用于序列圖像處理中。為了尋找具有檢測速度快、抗噪性強(qiáng)、檢測精度高以及邊緣細(xì)節(jié)保護(hù)好的檢測算法，本文把集對(duì)分析和聯(lián)系度態(tài)勢的思想用到圖像的邊緣檢測中。先用集對(duì)的方法求出像素點(diǎn)八個(gè)方向的同一度、對(duì)立度和差異度，再用聯(lián)系度態(tài)勢的思想把像素點(diǎn)的同異反關(guān)系按同勢、均勢、反勢的趨勢進(jìn)行排序，然后根據(jù)像素點(diǎn)的趨勢關(guān)系來判別該點(diǎn)是否是邊緣點(diǎn)。另外有些圖像不僅對(duì)比度差，而且圖像的邊緣輪廓也較模糊，所以在進(jìn)行圖像的邊緣提取之前可以先對(duì)圖像進(jìn)行灰度變換，

3、增加圖像的對(duì)比度和突出圖像的邊緣特征。仿真結(jié)果表明此算法不僅得到了較好的邊緣，而且算法的檢測速度也較快。 圖像配準(zhǔn)的方法有很多種，其中基于圖像特征的圖像配準(zhǔn)是配準(zhǔn)中最常見的方法?；谔卣鞯膱D像配準(zhǔn)中，特征主要針對(duì)點(diǎn)特征。為了得到一種配準(zhǔn)速度較快的高配準(zhǔn)率算法，本文用的是基于特征點(diǎn)的配準(zhǔn)方法，即先用SUSAN算子來提取圖像的特征點(diǎn)，再用PSO算法在解空間內(nèi)搜索最佳匹配參數(shù)，然后進(jìn)行圖像的配準(zhǔn)。在SUSAN算子中，灰度差閥值t決定了

4、SUSAN算子所能檢測到的最小的對(duì)比度以及去除噪聲點(diǎn)的能力，本文對(duì)t值進(jìn)行了改進(jìn)，給出了一種對(duì)t值自適應(yīng)的提取方法。PSO是一種新的并行優(yōu)化算法，可以解決大量非線性、不可微、非連續(xù)性和多峰的復(fù)雜問題，但是該算法易陷入局部最優(yōu)，會(huì)出現(xiàn)所謂的早收斂現(xiàn)象。為了克服PSO算法的缺點(diǎn)，提出了將Alopex算法加入到PSO算法的改進(jìn)算法，這樣有利于PSO算法在搜索中跳出局部極值，同時(shí)又能根據(jù)目標(biāo)函數(shù)的變化加速算法的收斂。最后用一幅紅外圖像、微波圖像