多传感器图像融合技术及评价方法研究

对图像融合的主要研究内容和方法进行了探讨,对像素级多分辨图像融合的主流方法作了深入地分析和定性比较,对图像融合效果的客观评价准则进行了比较和总结。实验结果表明基于多分辨分析的融合方法在主观视觉质量和客观评价准则上均具有明显优势,文中最后对图像融合的未来发展前景进行了展望。     

多分辨图像融合通用开发平台

多分辨图像融合是图像融合技术的一个研究热点，具有广泛的应用前景。为方便多分辨图像融合仿真应用系统的开发和对新融合算法的比较验证，提出了一个开放的多分辨图像融合应用与开发平台。该平台使用了一个新的通用的多分辨图像融合仿真模型，进行了详细的模块结构设计，并实现了12种典型的多分辨图像融合算法。在平台之上可以构筑相关工程应用仿真系统，也可方便地集成新的算法进行融合比较实验。最后为了验证平台功能，给出了一个工程应用实例和一个新融合算法的比较验证实例。     

基于多小波变换的图像融合研究

多小波是小波理论的扩展，在图像处理方面具有单小波所不具有的优点。它能够为图像提供一种比小波多分辨分析更加精确的分析方法。在研究了多小波变换的特性后，提出了一种基于离散多小波变换的图像融合方法，并将由不同传感器获得的不同分辨率的遥感图像数据利用此方法进行了融合。这种方法不仅能够完好地显示源图像各自的信息，而且能很好地将源图像的细节融合在一起。通过实验结果证明，采用这种方法可以得到更好的融合效果。     

一种多传感器图像的彩色融合系统

针对像素及多传感器图像的融合问题,设计了一种多传感器图像的彩色融合系统。该系统首先采用Laplacian金字塔变换算法得到灰度融合图像,然后产生共有图像、差异图像和细节增强图像,最后将灰度融合图像、细节增强图像,分别送入RGB通道得到彩色融合图像。实验结果表明,本系统可以有效地对多传感器图像进行彩色融合。根据熵和颜色丰富度两个客观评价指标,本系统的彩色融合图像更清晰,更容易识别目标,包含更多的细节信息,图像信息也更加丰富。     

陆军部队作战指挥信息流程仿真建模方法

如何设计和优化作战指挥信息流程,已经成为提升体系作战能力的重要因素.为构建陆军部队作战指挥信息流程仿真环境,支持作战指挥流程设计、论证和实验评估等实际应用,在对陆军部队指挥信息流程的本质内涵研究基础上,按照信息功能特点,将指挥信息流程分为情报信息流、指控信息流和协同信息流,并基于仿真的方法对这三类指挥信息流程进行建模研究,提出从情报域、指控域和协同域建立指挥信息流转情况的评估指标体系,为指挥信息流程的优化和改进提供决策支持.     

基于PCA和广义高斯建模的多聚焦图像融合

为了提高多聚焦图像的融合性能,针对统计图像融合方法中像素间融合参数估计的不足,提出一种基于小波变换域主成分分析（PCA）和广义高斯建模的多聚焦图像融合方法。将高频子带系数建模为广义高斯分布,并通过改进的最大似然估计法获取融合参数。结合低频子带系数的区域PCA融合方法,最终实现有效的图像融合。实验结果表明,该方法与传统的多聚焦图像融合方法相比,可使融合图像的信息量更丰富,具有更佳的视觉效果。     

多小波变换在遥感图像融合中的应用

介绍了多小波理论及对图像进行多小波分解和重构的方法,以全色(PAN)和多光谱(TM)遥感图像融合为例,提出了一种基于多小波变换的遥感图像融合方法。通过Matlab编程实验,比较了db4小波及Smooth、GHM和CL三种多小波的融合效果。     

多传感器大差异像素图像融合方法研究与仿真

研究多传感器采集的图像高清融合问题。图像采集传感器分布区域较为广阔,各区域的图像像素灰度、梯度、像素密度等存在较大差异,不同区域的像素灰度存在较大冲突。传统的多传感器多采用图像的像素叠加技术完成融合,无法避免不同区域的传感器采集图像像素不匹配引起的像素冲突。针对造成融合图像信息丢失的问题,提出一种基于冲突惩罚因子的多传感器图像融合方法,通过对像素进行分类,运用冲突惩罚因子,选取高信息量的像素进行平滑融合,得到高清晰多传感器融合图像。实验证明,这种多传感器图像融合方法能够最大化地保证融合后的图像信息,得到高清晰度的融合图像。     

基于小波变换的多传感器图像融合方法

本文首先介绍了图像融合技术的分类,在详细讲述基于小波变换的图像融合原理的基础上,结合本人观点给出了四种有代表性的多传感器图像融合算法,最后总结了图像融合的现状和发展前景。     

基于多管理体系要素融合的流程建模技术应用

针对科研院所的管理体系和流程体系展开研究,围绕科研生产主线,将质量、知识产权、环境、职业健康安全和保密等管理体系要求整合融入基于过程的端到端业务流程,实现工作流程化、流程清晰化、多方要求嵌入化和责任主体化,从而构建了以流程为核心的由业务层、基础层、管理层、支撑层组成的综合业务管理体系.在此基础上,基于流程体系建设理念,按照EPC建模规范,建立流程体系架构,借助信息化流程建模平台,形成结构化、要素化、模型化的流程库,逐步实现端到端流程管控,大幅提高全员工作效率,提高体系运行的协同性和有效性.     

多传感器信息融合概述及其应用

多传感器数据融合广泛应用于自动目标识别、工业过程控制、遥感、医疗诊断、图像处理、模式识别等领域。介绍了多传感器信息融合技术的概念,对信息融合的算法进行了概述,提出了基于粗糙集理论的多源信息融合算法,最后对多传感器融合技术的研究动向进行了展望。     

图像协同融合方法的初步研究*

针对单传感器图像光谱属性和空间属性的局限性和单一融合算法融合能力有限的问题,提出了红外图像和可见光图像的协同融合新方法.该方法首先获得多个融合算法下的融合图像,然后综合评定各个融合图像的整体性能,接着在各融合算法之间进行"竞争、合作、调整和反馈"机制下的多次动态图像融合,从而得到一个性能稳定且融合效果最佳的融合图像.初步实验结果显示,该方法能够有效地获取高质量的融合图像.     

图像融合研究综述

分析了图像融合结构,评述了国内外图像融合方法,并对目前研究热点的彩色图像融合进行了论述,阐明了图像融合评估的研究现状。最后,说明了图像融合发展的影响因素,并指出了图像融合发展的3个主要方向与研究热点。     

Practical image fusion method based on spectral mixture analysis

Conventional image fusion algorithm, such as IHS, SVR, PCS, etc., may show some defects in inheriting the higher-spectral information embedded in the original lower-spatial resolution MS image.A fusion method based on spectral mixture analysis(FSMA) was proposed in previous study, which has potential in solving this problem.While published results are limited to well-behaved simulated data where the endmembers are known a priori and the FSMA method will not work well when applying to real remotely sensed im...     

The multiscale directional bilateral filter and its application to multisensor image fusion

In this paper, a novel multiscale geometrical analysis called the multiscale directional bilateral filter (MDBF) which introduces the nonsubsampled directional filter bank into the multiscale bilateral filter is proposed. Through combining the characteristic of preserving edge of the bilateral filter with the ability of capturing directional information of the directional filter bank, the MDBF can better represent the intrinsic geometrical structure of images. The MDBF, which is a multiscale, multidirectional and shift-invariant image decomposition scheme, is used to fuse multisensor images in this paper. The source images are first decomposed into the directional detail subbands and the approximation subbands via the MDBF. Then, the directional detail subbands and the approximation subbands are fused according to the given fusion rule, respectively. Finally, the inverse MDBF is applied to the fused subbands to obtain the fused image. Experimental results over visible and infrared images and medical images demonstrate the superiority of our method compared with conventional methods in terms of visual inspection and objective measures.     

Contourlet变换系数加权的医学图像融合

目的 由于获取医学图像的原理和设备不同,不同模式所成图像的质量、空间与时间特性都有较大差别,并且不同模式成像提供了不互相覆盖的互补信息,临床上通常需要对几幅图像进行综合分析来获取信息。方法 为了提高对多源图像融合信息的理解能力,结合Contourlet变换在多尺度和多方向分析方法的优势,将Contourlet变换应用于医学图像融合中。首先将源图像经过Contourlet变换分解获得不同尺度多个方向下的分解系数。其次通过对Contourlet变换后的系数进行分析来确定融合规则。融合规则主要体现在Contourlet变换后图像中的低频子带系数与高频子带系数的优化处理中。针对低频子带主要反映图像细节的特点,对低频子带系数采用区域方差加权融合规则;针对高频子带系数包含图像中有用边缘细节信息的特点,对高频子带系数采用基于主图像的条件加权融合规则。最后经过Contourlet变换重构获得最终融合图像。结果 分别进行了基于Contourlet变换的不同融合规则实验对比分析和不同融合方法实验对比分析。通过主观视觉效果及客观评价指标进行评价,并与传统融合算法进行比较,该算法能够克服融合图像在边缘及轮廓部分变得相对模糊的问题,并能有效地融合多源医学图像信息。结论 提出了一种基于Contourlet变换的区域方差加权和条件加权融合算法。通过对CT与MRI脑部医学图像的仿真实验表明,该算法可以增加多模态医学图像互补信息,并能较好地提高医学图像融合的清晰度。     

Redundant versus orthogonal wavelet decomposition for multisensor image fusion

The wavelet decomposition has become an attractive tool for fusing multisensor images. Usually, the input images are decomposed with an orthogonal wavelet in order to extract features, which are combined through an appropriate fusion rule. The fused image is then reconstructed by applying the inverse wavelet transform. In this paper, we investigate the use of the nonorthogonal (or redundant) wavelet decomposition as an alternative approach for feature extraction. By using test and remote sensing images, various fusion rules are considered and the detailed comparison indicates the superiority of this approach compared to the standard orthogonal wavelet decomposition for image fusion.     

Integrated optimization methods in multisensor decision and estimation fusion

This paper presents a significant integrated optimization point of view behind the following three successful decision and estimation fusion results: 1) a unified fusion rule for networked sensor decision systems; 2) optimal sensor data quantization for estimation fusion and 3) integrated multi-target data association tracking systems. More precisely speaking, the integrated optimization method in 1) derives a unified objective function optimizing only sensor rules given a unified fusion rule; the method in 2) derives a unified objective function optimizing both the sensor quantization rule and the final estimation in the MSE sense, and the method in 3) integrates all associated targets and their valid observations into a whole random measurement matrix dynamic system so that the optimal random matrix Kalman filtering can be applied to estimate the states of all associated targets.