基于統(tǒng)計相關(guān)分析和視覺特性的圖像信息融合方法及其應(yīng)用研究.pdf

1、圖像信息融合能夠以軟件手段把對同一目標(biāo)或場景的不同圖像，綜合成對同一目標(biāo)或場景的全面、準(zhǔn)確的描述，它在醫(yī)學(xué)、遙感、軍事等領(lǐng)域有著較為廣泛的應(yīng)用。良好的圖像融合方法能夠為后續(xù)的計算機自動化處理奠定堅實的基礎(chǔ)。本文分析了當(dāng)前圖像融合方法的研究現(xiàn)狀，深入研究了各類圖像融合方法的理論，以提升圖像質(zhì)量及有利于后續(xù)應(yīng)用為最終目標(biāo)，針對噪聲圖像融合、圖像質(zhì)量評價參數(shù)對圖像融合策略的作用、多光譜和多時相遙感圖像融合以及基于學(xué)習(xí)的融合權(quán)重構(gòu)造等開展相關(guān)的

2、研究。論文主要研究工作及成果如下:
　　 (1)針對噪聲圖像的融合，提出了結(jié)合多尺度框架和總變差模型的融合框架。該多尺度分解框架中，采用主成分分析方法進行多尺度分解與重構(gòu)。一種變換要能夠運用于多尺度分解框架中，必須具備正變換和逆變換的能力，主成分分析不僅可以用于分解圖像并且能夠較好地重構(gòu)圖像，因此在多尺度分解框架中的運用具有可行性。新的融合框架解決了總變差模型在圖像融合過程會出現(xiàn)塊狀效應(yīng)的問題，也克服了多尺度分解框架對于噪聲抑制

3、能力較差的弱點。實驗表明，新框架中總變差模型的引入不僅有利于降低圖像噪聲，還有利于多光譜圖像和全色圖像融合中光譜信息的保持;基于主成分分析的多尺度分解方法的引入能夠較好地避免總變差模型中出現(xiàn)塊狀效應(yīng)的現(xiàn)象。
　　 (2)提出了基于圖像質(zhì)量評價參數(shù)的融合準(zhǔn)則。多尺度分解過程中的融合準(zhǔn)則包括近似圖像融合準(zhǔn)則和細(xì)節(jié)圖像融合準(zhǔn)則。通常各分解層上圖像進行融合時，融合準(zhǔn)則均根據(jù)當(dāng)前層圖像的相關(guān)信息進行融合，研究圖像分解過程可以發(fā)現(xiàn)，隨著分解

4、層次的增加，圖像信息量逐漸減少，這種現(xiàn)象在近似圖像中更為明顯。因此，本文建立了運用多尺度變換中的上層信息來完成當(dāng)前層近似圖像信息融合的策略，將對應(yīng)圖像的質(zhì)量評價參數(shù)分別用于建立近似圖像和細(xì)節(jié)圖像的融合準(zhǔn)則。在多尺度融合框架下的實驗表明，該融合準(zhǔn)則能有效地提取近似圖像和細(xì)節(jié)圖像信息。
　　 (3)提出針對多光譜和多時相遙感圖像的基于多重集典型相關(guān)分析(MCCA)的近似圖像融合準(zhǔn)則。MCCA可以提取多組對象之間的相似信息，用于近似圖

5、像的融合，能夠在剔除相關(guān)性較小信息的同時，提高融合圖像的質(zhì)量。該方法首先將遙感圖像進行小波變換獲取近似圖像，然后針對近似圖像采用基于MCCA的準(zhǔn)則進行融合，用取大原則完成細(xì)節(jié)圖像融合，最后經(jīng)由逆變換實現(xiàn)組內(nèi)圖像的融合。與其他方法相比較，該方法能夠同時處理多組圖像，并且最終得到的融合圖像與源圖像的相關(guān)性更為密切。
　　 (4)針對有訓(xùn)練集的情況，提出了結(jié)合核廣義典型相關(guān)分析(KGCCA)與維納濾波的方法，將其用于尋找相似圖像、構(gòu)造

6、融合所需的權(quán)重函數(shù)，從而形成一種新的融合思路和方法，并應(yīng)用于圖像去噪。該方法首先運用提出的KGCCA對圖像進行了特征抽取，并進一步與核Half典型相關(guān)分析(KHCCA)結(jié)合提出了核Half廣義典型相關(guān)分析(KHGCCA)算法，為了減少核空間內(nèi)數(shù)據(jù)計算量，提出了相應(yīng)的快速算法;隨后將抽取的特征與維納濾波結(jié)合，構(gòu)造出當(dāng)前圖像與訓(xùn)練集內(nèi)圖像的相似性函數(shù)，最后以該函數(shù)值作為融合的權(quán)重，對應(yīng)的訓(xùn)練圖像作為相似圖像得到融合后結(jié)果。為了驗證所提算法的