收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

数字图像预处理与融合方法研究

李卫华  
【摘要】: 随着传感器技术不断发展,人们获取图像的途径越来越多,使图像融合处理的图像种类也越来越多。传统的融合方法已经不能满足需要,要求对不同的图像数据融合问题提出有效的解决方法,而发展迅速的基于认知的智能计算为许多问题找到了很好的解决办法。本文研究的目的就是在深入讨论图像融合预处理基础上,再结合神经网络理论、遗传算法和统计理论等,为解决图像融合问题提供有效方法。 本文研究主要包括两大部分:第一部分为图像融合预处理,包括图像滤波、图像分割和图像匹配。第二部分为图像融合算法研究。研究主要围绕图像融合全过程而展开,完成的主要研究工作如下: 1、针对常规方法对降质图像恢复效果差的缺陷,设计了利用隐含Markov树和小波变换的图像恢复算法。在图像经过Wiener反卷滤波后,利用具有平移不变性的双树—复数小波变换进行小波分解,而后在复数小波域中采用隐含Markov树进行去噪,最终实现受白噪声干扰图像的恢复,取得了良好的效果。 2、针对形变目标分割计算量大、模型表达复杂,采用了交叉熵及曲线进化对图像进行分割。基于类间差异性最大的分割原则,利用交叉熵来构造能量函数,将分割问题转化为求能量函数最小化问题;通过最小化能量函数导出用水平集方法表示的曲线进化方程,而后利用快速算法进行求解,实现图像的有效分割。 3、针对图像配准的速度与精度问题,改进了基于小波分解和互信息的图像配准算法。采用分层配准策略,加快了配准的速度;利用Parzen窗来估计概率密度,采用二阶梯度法求解配准度量互信息的最优值,提高了配准的精度和速度。该方法可以应用于实时图和参考图之间有仿射变换的情况,并作为图像匹配制导关键技术之一。 4、针对一般小波重构复杂的缺点,采用了提升策略进行自适应小波变换。这种算法可以很自然地实现信号的完全重建而并不需要其它额外信息,将该方法应用于图像融合中,把图像的近似信号进行平均,细节信号选取较大的进行融合。仿真实验证明该方法能很好的提取图像的细节分量,具有抗干扰能力,并可应用于多传感器遥感图像融合中。 5、针对目前的神经网络图像融合方法的缺陷,提出了一种改进的基于模糊核聚类和神经网络的图像融合方法。采用小波变换进行混合噪声图像的滤波,设计模糊核聚类算法进行图像聚类操作,提高了融合效果和实时性。通过仿真试验,并与其它的神经网络图像融合方法进行比较,结果表明该方法是有效的。 6、针对基于神经网络以及模糊神经网络的图像融合方法存在内部结构和参数难以调整的问题,提出了一种基于遗传进化模糊神经网络(FNN)的图像融合方法。方法采用模糊神经网络(FNN)作为单幅图像的聚类算法,以融合后图像的峰值信噪比为适应度函数,利用遗传算法调整模糊神经网络(FNN)的内部参数,从峰值信噪比的角度,最大程度地提高了图像融合效果。仿真试验表明,与基于SOM网络和基于模糊神经网络的图像融合方法相比,这种方法是非常有效的。 7、针对传统图像融合方法鲁棒性差的缺点,设计了一种基于估计理论期望值最大的图像融合方法。从多感测器成像模型出发,设计出图像的形成模型,分别基于图像的模型以及期望值最大方法,推导出估计真实场景的迭代过程,最终得到融合图像。探讨了基于拉普拉斯金字塔、梯度金字塔、小波、小波框架以及方向滤波器金字塔等方法的多尺度展开的融合情况,并与EM方法做了比较,数字仿真表明,图像受到噪声污染时采用EM算法进行融合具有较强的鲁棒性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 王毅,倪国强,李勇量;高性能双波段图像融合处理机[J];高技术通讯;2002年05期
2 杨海英,刘志镜;一种新的图像融合算法的研究与实现[J];计算机工程与应用;2002年22期
3 刘贵喜,杨万海;基于小波分解的图像融合方法及性能评价[J];自动化学报;2002年06期
4 王蓉,谢元旦;基于小波的图像融合算法的实现[J];鞍山科技大学学报;2003年05期
5 陈洪波,王强,张孝飞,韦春荣,张超英;基于小波系数邻域特征的图像融合[J];光学精密工程;2003年05期
6 孙东延,陶建锋,黄亚;基于小波包分析的图像融合算法[J];航天电子对抗;2003年01期
7 吉书鹏,丁晓青;一种子带杂交多算子图像融合算法研究[J];光电工程;2003年06期
8 赵谊虹,余松煜,史习智;联合多判据的图像融合算法[J];上海交通大学学报;2003年09期
9 张军英,梁军利;基于脉冲耦合神经网络的图像融合[J];计算机仿真;2004年04期
10 玉振明,高飞;基于金字塔方法的图像融合原理及性能评价[J];计算机应用研究;2004年10期
11 冉向书,任金昌;图像融合中的特征选取及分类与决策[J];计算机应用研究;2005年09期
12 倪国强;基于视觉神经动力学的图像融合与处理技术若干新进展[J];激光与红外;2005年11期
13 裴红周;陈炜;毛士艺;;图像融合质量测试方法[J];电子测量技术;2005年04期
14 王宏,杨春梅,袁正华,赵海滨;基于小波多尺度分解的肿瘤图像融合[J];东北大学学报;2005年04期
15 林晓春,李存志;一种基于图像融合的红外图像增强新方法[J];西安电子科技大学学报;2005年02期
16 黄淑君;阙大顺;;一种基于提升小波的图像融合方法[J];电脑与信息技术;2006年03期
17 王远干;;基于小波的图像融合及质量评估方法评述[J];钦州学院学报;2006年06期
18 刘伟军;孙兴波;;基于形态学的图像融合算法[J];四川理工学院学报(自然科学版);2006年06期
19 闫莉萍;刘宝生;周东华;;一种新的图像融合及性能评价方法[J];系统工程与电子技术;2007年04期
20 杜娟;王少宇;;基于小波分解的多窗口图像融合[J];测绘信息与工程;2007年03期
中国重要会议论文全文数据库 前10条
1 刘德坤;龚俊斌;马佳义;田金文;;一种车载的红外与微光图像融合系统设计[A];第九届全国光电技术学术交流会论文集(上册)[C];2010年
2 王芳;吴谨;;基于小波的图像融合算法研究[A];2011年全国通信安全学术会议论文集[C];2011年
3 胡学龙;沈洁;;一种基于中值金字塔的图像融合算法[A];2008年全国开放式分布与并行计算机学术会议论文集(上册)[C];2008年
4 赵向阳;杜利民;;基于数据提纯的图像融合[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
5 杨志;毛士艺;陈炜;;基于多分辨率局部峰度熵的鲁棒图像融合算法[A];中国航空学会信号与信息处理专业全国第八届学术会议论文集[C];2004年
6 王曾敏;杨兆选;丁学文;何英华;陈杨;于渊;;图像融合与压缩算法在动态交通信息服务系统中的应用[A];第一届建立和谐人机环境联合学术会议(HHME2005)论文集[C];2005年
7 潘泉;赵永强;张洪才;;基于像素层图像融合的偏振图像计算方法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年
8 汤志伟;王建国;赵志钦;黄顺吉;;基于小波变换的图像融合算法[A];第九届全国信号处理学术年会(CCSP-99)论文集[C];1999年
9 陈怀新;吴必富;;机载成像侦察的图像融合技术[A];中国雷达行业协会航空电子分会暨四川省电子学会航空航天专委会学术交流会论文集[C];2005年
10 成尚利;吕中伟;何俊民;;基于小波变换的PET/CT图像融合[A];第四届全国中青年核医学学术会议论文汇编[C];2008年
中国博士学位论文全文数据库 前10条
1 宋乐;异源图像融合及其评价方法的研究[D];天津大学;2008年
2 胡旺;图像融合中的关键技术研究[D];四川大学;2006年
3 杨翠;图像融合与配准方法研究[D];西安电子科技大学;2008年
4 谭航;像素级图像融合及其相关技术研究[D];电子科技大学;2013年
5 尤春艳;多分辨率分析图像融合关键技术研究[D];重庆大学;2014年
6 郑有志;基于多尺度经验模态分解的图像融合算法研究[D];清华大学;2009年
7 蒋年德;多尺度变换的图像融合方法与应用研究[D];湖南大学;2010年
8 郭擎;基于分数阶变换的信息安全与图像融合算法[D];哈尔滨工业大学;2010年
9 张宝辉;红外与可见光的图像融合系统及应用研究[D];南京理工大学;2013年
10 逄浩辰;彩色图像融合客观评价指标研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2014年
中国硕士学位论文全文数据库 前10条
1 钱永浩;图像融合[D];江南大学;2009年
2 秦云霞;图像融合算法研究[D];兰州大学;2010年
3 苗春利;基于结构张量的图像融合[D];河南理工大学;2010年
4 南旭良;基于多目标优化理论的图像融合研究[D];吉林大学;2011年
5 隋海洋;基于不同能谱的射线图像融合技术研究[D];中北大学;2006年
6 黄红林;基于平均梯度和小波多分辨率分析的图像融合算法研究[D];武汉科技大学;2006年
7 蔡勤慧;超现实的图像融合及在视频中的应用[D];浙江大学;2007年
8 薛新美;图像融合优化方法研究[D];南京航空航天大学;2007年
9 刘军;紫外双光谱检测系统及其图像融合研究[D];中国科学院研究生院(西安光学精密机械研究所);2007年
10 胥妍;基于小波变换技术的图像融合方法的研究与应用[D];山东师范大学;2008年
中国重要报纸全文数据库 前1条
1 陈鸣;军工巨头中光学集团欲“影”响世界[N];中国电力报;2010年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978