圖像融合中關鍵技術的研究.pdf

1、圖像邊緣檢測和圖像配準是圖像融合的關鍵步驟和必要前提。本文對圖像的邊緣檢測和圖像配準技術進行研究，把一些新的算法運用到圖像邊緣檢測和圖像配準中，為后續(xù)序列圖像處理和圖像融合做準備。 邊緣特征是圖像中非常重要且容易獲得的特征，已經有很多邊緣提取的算法，例如sobel算子、canny算子、Log算子等。但這些算法對噪聲比較敏感，雖然改進的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、檢測精度高以及邊緣細節(jié)保護好的檢測算法，本文把集對分析和聯系度態(tài)勢的思想用到圖像的邊緣檢測中。先用集對的方法求出像素點八個方向的同一度、對立度和差異度，再用聯系度態(tài)勢的思想把像素點的同異反關系按同勢、均勢、反勢的趨勢進行排序，然后根據像素點的趨勢關系來判別該點是否是邊緣點。另外有些圖像不僅對比度差，而且圖像的邊緣輪廓也較模糊，所以在進行圖像的邊緣提取之前可以先對圖像進行灰度變換，

3、增加圖像的對比度和突出圖像的邊緣特征。仿真結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。 圖像配準的方法有很多種，其中基于圖像特征的圖像配準是配準中最常見的方法?；谔卣鞯膱D像配準中，特征主要針對點特征。為了得到一種配準速度較快的高配準率算法，本文用的是基于特征點的配準方法，即先用SUSAN算子來提取圖像的特征點，再用PSO算法在解空間內搜索最佳匹配參數，然后進行圖像的配準。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比度以及去除噪聲點的能力，本文對t值進行了改進，給出了一種對t值自適應的提取方法。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)性和多峰的復雜問題，但是該算法易陷入局部最優(yōu)，會出現所謂的早收斂現象。為了克服PSO算法的缺點，提出了將Alopex算法加入到PSO算法的改進算法，這樣有利于PSO算法在搜索中跳出局部極值，同時又能根據目標函數的變化加速算法的收斂。最后用一幅紅外圖像、微波圖像