基于多尺度柔性形态学滤波器的图像融合

提出了一种基于柔性数学形态学的图像融合新方法。首先,对源图像进行柔性形态学多尺度开闭滤波,得到源图像的低频平滑图像。其次,应用了柔性的多尺度top-hat变换和bottom-hat变换,提取小于相应尺度的图像细节特征。最后,对于以上两步骤得到的低频平滑图像和多尺度高频细节图像分别进行图像融合,应用形态学重建过程生成融合图像。多聚焦图像融合和红外可见光图像融合实验表明,这种融合方法优于相应基于多尺度标准形态学滤波器(MSMF)的图像融合方法,特别适用于受噪声污染的图像融合处理。     

基于多尺度top-hat分解的红外与可见光图像增强融合

提出了基于数学形态学与尺度空间理论相结合的特征增强融合算法。首先对源图像使用多尺度top-hat变换构造塔形分解的亮、暗细节特征和近似图像,再对源图像对应尺度的亮、暗细节特征应用融合规则,最后依据不同应用需求加权各尺度亮、暗特征得到融合图像。实验表明:文中算法能有效融合并增强源图像细节特征,消除红外源图像因对比度低、灰度值范围较窄、视觉效果模糊等对融合质量的不利影响,并能根据应用需求获得具有不同增强效果的融合图像,从而达到更好的视觉效果,提高融合图像的目标检测和识别能力。     

基于多算子融合的图像分割算法的研究

图像分割是图像处理技术中重要的组成部分,在实际生活中有着广泛的应用.针对目前几种常用的基于微分算子的图像分割算法不能很好的分割出目标区域,本文提出了一种基于多算子融合的图像分割算法.算法对几种不同的算子处理的结果进行融合,从而实现对目标区域的分割.实验结果表明,相对于Sobel算子、Prewitt算子、Canny算子、Roberts算子和Kirsch算子,多算子融合算法取得了最优的综合性能.其不仅能很好的解决简单背景下的目标分割,对背景较复杂的图像也能达到很好的分割性能.     

基于形态学算子的Cubic图像缩放方法

立方卷积插值(Cubic算法)是一种常用的图像缩放方法。为了使喷码机喷印图像更加清晰可见,改善Cubic算法边缘模糊、分辨率低等不足,本文将形态学算子中的腐蚀运算与Cubic算法结合,以此进行了理论分析和实验验证。结果表明,此方法对提高图像边缘的清晰度和图像质量有明显效果。     

基于形态学图像融合的目标检测方法

提出了一种新的海空背景下受强杂波、噪声污染的红外图像目标检测算法。采用多尺度的形态算子对输入的图像进行并行滤波，既抑制噪声又能提取目标边缘细节。对并行处理后的图像进行基于树状小波帧变换的图像信息融合。仿真实验表明，该算法要优于传统的小波、中值滤波算法，适用于舰载红外警戒系统。     

多传感器图像融合系统设计

为了实时获取场景的全面信息,本文采用图像融合技术,提出了基于FPGA的电视、红外、微光电视三路图像融合硬件实时系统设计方案,解决了成像光路、图像配准、处理系统及融合算法等关键技术,强化了图像中的有用信息,增强光谱信息含量。所设计的实时硬件系统平台可较为全面的输出场景图像信息。     

基于数学形态滤波算子的医学图像边缘检测

利用数学形态学中开、闭滤波算子构造了一种边缘检测器，并将其用于医学图象的边缘检测。仿真结果表明，该边缘检测器可以较好的去除噪声并同时进行边缘检测。     

基于线性融合模型的多传感器图像融合

本文提出了一种新的基于小波变换的多传感器图像融合算法,在线性融合模型中引入了传感器噪声项,算法首先给出了基于期望融合图像局部方差最大的多传感器融合系数估计方法,然后利用多传感器图像和融合系数估计期望融合图像.最后的实验结果表明了本文图像融合方法具有明显的噪声抑制能力,能够得到更好的融合效果.     

一种基于形态学梯度的多聚焦图像融合方法

多聚焦图像融合作为信息融合的一个重要分支,广泛应用于计算机视觉、医学诊断、数字成像等领域。文中针对现有融合算法存在融合图像易出现“块效应”等问题,提出了一种基于形态学梯度的多聚焦图像融合方法。该算法首先对源图像进行形态学梯度测量得到对应的得分矩阵,然后对得分矩阵进行四叉树分解得到初始分割图。进而利用形态学滤波和小区域滤波,除去边缘信息和小洞得到期望的决策图。实验测试表明,文中提出算法相对于现有的算法在结构相似度、峰值信噪比等定量指标上皆有较好的表现。     

多传感器图像融合应用评述

近几年，图像融合成为一个热门研究领域，图像融合是多测度空间综合处理多源图像和图像序列的技术，通过融合处理，综合运用多源信息，得到性能比任一源图像好的图像，以便于图像的后续处理和更好地满足应用要求。从信息处理的层次上图像融合要分为：信号层图像融合，像素层图像融合，特征层图像融合和符号层图像融合。比较了不同层次图像融合算法的特点，讨论了红外图像，可见光图像，多普图像，雷达图像等的融合问题，给出了一个应用实例，并对图像融合的发展进行展望。     

基于非下采样Contourlet变换的多传感器图像融合

根据非下采样Contourlet变换同时具有多尺度多分辨分析和平移不变性质的特点,提出一种基于非下采样Contourlet变换的多传感器图像融合方法,将其应用于多传感器图像融合的两个重要领域——多聚焦图像融合和高分辨、多光谱图像融合,从视觉效果和信息量指标方面对融合图像进行主观评判和数值评价.实验中将本文方法与Contourlet变换、小波变换、主成分分析等方法进行了比较,结果表明本文方法得到的融合结果具有更优的视觉质量和量化指标,能很好地将源图像的细节信息融合在一起,拓广了NSCT的应用范围.     

一种基于Curvelet变换多传感器图像融合算法

综合分析了Curvelet变换的特性,并提出了一种基于Curvelet变换的多传感器图像融合算法。首先采用Curvelet变换将源图像分解到不同尺度、方向频带范围内,然后采用不同的融合规则得到融合后图像的Curvelet变换系数,最后再进行Curvelet逆变换得到融合图像。采用多组具有不同特征的源图像进行了融合实验,并对融合图像进行了主客观评价。实验结果表明,相比于传统的基于小波变换的图像融合算法,该算法能够有效避免“人为”效应或高频噪声的引入,得到具有更好视觉效果和更优量化指标的融合图像。     

多传感器目标识别的数据融合

本文针对军事上的目标识别问题，论述了多传感器的属性融合技术，包括属性融合的概念，原理，处理结构，算法及应用举例，指出属性融合中存在的主要问题，难点及可能解决的途径，并预测了未来发展趋势。     

基于遗传算法的多传感器数据融合

文章给出了一个新的应用遗传算法技术的分级多传感器数据融合算法，各个传感器信息之间的关系用一种较新的模糊算子确定，与传统的集合论的并、交操作相比，它能更好地模仿人的推理。此外，遗传处法能近似最优地确定模糊算子的参数，使算法在信息源的可靠性，信息的冗余度／互补性以及进行融合的分级结构不确定的情况下，以近似最优的方式对传感器数据进行融合。     

多传感器分布式融合Kalman预报器

应用现代时间序列分析方法,基于ARMA新息模型,在线性最小方差最优信息融合准则下,对于输入噪声与观测噪声相关且观测噪声相关的多传感器系统,分别提出了按矩阵加权、按标量加权和按对角阵加权的3种分布式融合稳态Kalman 预报器。其中提出了基于Lyapunov方程的局部预报估值误差方差阵和协方差阵计算公式。它们被用于计算最优加权,与单传感器情形相比,可提高估值器的精度。一个跟踪系统的仿真例子说明了其有效性,且说明了3种加权融合预报器的精度无显著差别。但标量加权融合预报器可显著减小计算负担,提供一种快速实时信息融合估计算法。     

一种多波段红外图像联合配准和融合方法

多波段红外图像配准和融合是得到更高质量夜视图像的关键步骤。过去,这两种方法被定义为两个独立的图像处理过程。因此,在融合过程中忽略配准误差会严重影响最后的融合质量。为解决上述问题,该文提出一种新的迭代优化方法,该方法通过寻找最优配准参数来获得最佳的融合性能,采用基于人眼感兴趣区域的清晰度指标作为融合质量评价函数来完善配准过程,采用模拟退火法解决联合优化问题。实验结果表明,针对夜视领域的多波段红外图像,该方法在配准精度、融合质量以及稳定性上明显优于常用的配准和融合算法。     

多传感器异步数据融合算法

由于传感器的采样速率和通信延迟,传感器的不同步问题大大降低了多传感器系统数据融合的精度。研究多传感器异步融合比同步数据融合更为迫切。该文利用误差协方差阵的迹最小准则建立了多传感器异步融合模型,给出了具有普遍意义的多传感器异步融合模型,弥补了目前多传感器异步数据融合仅限于两两传感器的局限性,并从理论上对多传感器异步融合的性能进行了分析。仿真结果表明该异步融合模型是有效的,能够对多传感器的异步数据进行优化处理,并且优于单一传感器的性能。     

多目标跟踪中特征融合算子的选择技术研究

在基于信息融合的视频多目标跟踪过程中,特征融合算子的选择是关键.传统的基于特征融合的视频目标跟踪是将两个或两个以上特征作为测量特征通过某一融合机制进行融合权重.在一个高度非线性和难以建立模型的情形下,多目标之间的遮挡现象影响视频特性测量.为了解决该问题,提出了一种动态的选择融合算子的方法,以得到最好的跟踪性能.实验结果表明,动态地选择融合操作,可以提高互相遮挡的多目标跟踪性能.     

多传感器数据融合的实现技术

本文论述了状态数据融合直接解析解法,避免了非线性微分方程的多次迭代解算,减少了计算量,从而提高了多传感器数据融合的解算效率.为保证多传感器数据融合的可信性和安全性,本文讨论了多传感器性能检查融合技术.为提高多传感器组网的隐身目标、反超低空目标和干扰环境下目标的探测能力,本文讨论了多传感器自适应探测融合技术.本文还分析了在目标机动时使用序贯融合技术的优点.