基于最大期望聚類的多傳感器圖像融合研究.pdf

1、相對輸出圖像，輸入圖像有時(shí)來自單一傳感器，或者不同傳感器，通過融合技術(shù)可以將多幅輸入圖像組合為單幅輸出圖像，讓其包含的場景信息優(yōu)于任意一幅輸入圖像。近三十年來，圖像融合已成為改善輸出圖像所包含信息質(zhì)量的重要技術(shù)手段，這也是圖像融合技術(shù)發(fā)展的源動(dòng)力。本文旨在研究多傳感器圖像的融合算法與應(yīng)用，重點(diǎn)以紅外和可見光圖像作為研究對象。
　　本文首先介紹多傳感器圖像融合研究背景與意義、多傳感器圖像融合現(xiàn)狀。然后分別從理論和實(shí)例兩方面詳細(xì)介紹多

2、傳感器圖像融合的基本方法，包括基于多尺度變換、基于區(qū)域特征、基于區(qū)域特征與多尺度變換相結(jié)合的圖像融合方法。由于這些基本方法存在不足之處，本文通過分析目標(biāo)在紅外圖像和可見光圖像中呈現(xiàn)的顯隱狀態(tài)，提出紅外圖像不同區(qū)域的數(shù)學(xué)模型假設(shè)和一種自適應(yīng)的基于窗口加權(quán)平均值參數(shù)初始化方法，并通過最大期望(EM)求解假設(shè)模型參數(shù)，實(shí)現(xiàn)不同區(qū)域的像素聚類與分割并以此為融合決策圖。為了讓融合的輸出圖像更容易被人類視覺感知，本文分別基于非下采樣輪廓波變換(NS

3、CT)和靜態(tài)小波變換(SWT)對輸入的紅外圖像和可見光圖像進(jìn)行多尺度分解，獲得圖像的低頻和高頻系數(shù)。最終依據(jù)決策圖的指導(dǎo)，融合來自紅外圖像和可見光圖像的低頻、高頻系數(shù)，再進(jìn)行多尺度逆變換得到融合圖像。
　　本文在圖像融合的基礎(chǔ)上給出了兩種紅外與可見光視頻圖像融合算法，并結(jié)合視頻圖像融合實(shí)現(xiàn)目標(biāo)檢測與定位。本文對多組紅外和可見光圖像進(jìn)行融合實(shí)驗(yàn)，并從主觀和客觀評價(jià)綜合分析本文提出的融合算法的有效性。聚類分割結(jié)果表明本文基于EM的分割