基于聚類分割和多尺度分解的多波段.pdf

1、無源毫米波探測成像系統(tǒng)利用物體自身輻射的能量差異而成像，所成圖像能夠?qū)崿F(xiàn)隱匿物品的探檢。無源毫米波探測成像技術(shù)廣泛運(yùn)用在機(jī)場安檢、重點區(qū)域監(jiān)控和戰(zhàn)場環(huán)境偵查等領(lǐng)域。由于毫米波探測系統(tǒng)的成像分辨率受天線特性的限制，所成的毫米波圖像較為模糊，圖像分辨率較差，這些缺點不利于開展后續(xù)的圖像檢測、融合等研究工作。利用多波段圖像融合技術(shù)，將毫米波圖像和同一場景的光學(xué)圖像進(jìn)行融合，綜合多傳感的成像優(yōu)點，減少圖像冗余信息，增強(qiáng)互補(bǔ)信息，以便人眼識別與研

2、制。
　　本文研究基于具體的科研項目。首先研究了聚類分析技術(shù)，用以進(jìn)行毫米波圖像分割，提取出感興趣的目標(biāo)區(qū)域；然后在此基礎(chǔ)上，研究并提出了一種基于區(qū)域分割和多尺度分解的多波段圖像融合方法；具體的研究內(nèi)容包括：
　　1.基于無源毫米波成像理論、模型和多波段圖像融合基礎(chǔ)理論，對毫米波成像原理和成像特點進(jìn)行了分析。對一些典型的多波段圖像融合方法和圖像融合質(zhì)量的評價指標(biāo)進(jìn)行了分析和總結(jié)。
　　2.研究了聚類分析技術(shù)。對聚類模型

3、的劃分、對象之間的相似性度量進(jìn)行了闡述。并重點介紹了 K均值聚類算法，通過仿真實驗，驗證了其用于毫米波圖像分割是有效和可靠的。
　　3.研究了模糊C均值聚類和高斯混合模型聚類算法。通過優(yōu)化目標(biāo)函數(shù)，引入鄰域約束信息，對標(biāo)準(zhǔn)的模糊 C均值聚類算法進(jìn)行了改進(jìn)?；诟怕史植嫉乃枷耄瑢D像像素的灰度直方圖分布進(jìn)行擬合，將混合高斯模型和期望最大算法用于毫米波圖像的分割處理，提取出了毫米波圖像中的高灰度值目標(biāo)區(qū)域，得到了目標(biāo)和背景的二值化圖像

4、。
　　4.研究并提出了一種基于區(qū)域分割和多尺度分解的多波段圖像融合方法。使用聚類分析技術(shù)對毫米波圖像進(jìn)行分割，得到目標(biāo)背景二值化圖像后，對毫米波圖像和可見光圖像進(jìn)行“非下采樣金字塔（Nonsubsampled Pyramid，NSP）”變換。針對子圖中的目標(biāo)和非目標(biāo)區(qū)域制定不同的融合策略，再將各尺度上的子圖進(jìn)行多尺度重構(gòu)，得到融合圖像。
　　本文的算法基于毫米波探測系統(tǒng)的實測圖像進(jìn)行了仿真。軟件仿真平臺為Windows系統(tǒng)