多传感器图像融合方法.doc.docx

"多传感器图像融合方法" 多传感器图像融合是指针对多个传感器采集的关于同一目标或场景的图像进行适当的处理，产生一幅新的图像，使之更适合人眼感知或计算机后续处理。该方法可以有效提高系统的可靠性和图像信息的利用效率。 图像融合技术的发展与现状： 多传感器图像融合技术最早被应用于遥感图像的分析和处理中。1979年，Daliy等人首先把雷达图像和Landsat．MSS图像的复合图像应用于地质解释，其处理过程可以看作是最简单的图像融合。到80年代中后期，图像融合技术开始引起人们的关注，陆续有人将图像融合技术应用于遥感多谱图像的分析和处理。 图像融合技术无疑具有良好的发展前景。近年来，图像融合在应用方面有了一定的发展，2005年lO月4日，由我国和巴西联合研制的“资源一号”卫星发射升空，卫星上安装了我国自行研制的CCD相机和红外多光谱扫描仪，这两种航天遥感器之间可进行图像融合，大大扩展了卫星的遥感应用范围。 图像融合的定义： 图像融合就是指对采用一定算法，把两幅或多幅具有互补信息的源图像融合成一幅新的图像。它可使得新图像更加适合人的视觉感知，或者满足诸如图像处理中的分割、特征提取、目标识别的需要。 图像融合系统的一般结构： 图像融合需要前期的预处理，它包括几个方面：配准、校正、去噪声等，在完成几何校正、噪声消除及图像配准后是真正的图像融合过程。图像融合一般可以分为像素级融合、特征级融合和决策级融合三个级别，融合的水平依次由低到高。 像素级融合： 像素级融合是直接在采集到的原始图像数据层上进行的融合，人眼对颜色信息的融合就是典型的像素级融合。像素级图像融合是最低层次的图像融合，该层次的数据融合准确性最高，能够提供其它层次上所不具备的细节信息，但是需要处理的信息量大。 特征级融合： 特征级融合是在信息处理的中间过程中进行的融合，它是指在对经过预处理的数据进行特征提取的基础上，进行综合分析和处理，其输入输出均为特征，典型的特征有边缘、拐点、线条等。 决策级融合： 决策级融合是在对采集到的数据己独立完成了决策或分类任务的基础上，模仿人的思维借助一定的规则或特定的算法对各个判别结果进行组合判断。在决策级融合中，首先采用局部分类器对目标的各个特征进行分类，得到了各局部分类器对目标的判决，然后采用贝叶斯推理、神经网络法技术等决策融合技术对各局部分类器的判决结果进行组合判断。 多传感器图像融合方法可以有效提高系统的可靠性和图像信息的利用效率，在自动目标识别、计算机视觉、遥感、机器人、医学图像处理以及军事应用等领域有着广泛的应用前景。