基于地质统计学的多源遥感信息融合研究

在地质统计学的概念及相关理论的基础上,分析了多源遥感信息的特点及分类。将地质统计学引入遥感信息融合中,按时序获取不同传感器的观测信息并依据相关准则进行自动分析,完成了多传感器的状态估计和决策的信息处理过程。利用地质统计学的变差函数和克里金法对多源遥感信息进行空间特征的融合,提高了遥感信息的使用率,达到了准确预测和估计地质状态的目的。     

基于加权聚焦度的多焦点图像融合算法

为保留更多的源图像信息特征,克服基于梯度等融合算法容易产生伪影的缺陷,提出一种基于加权聚焦度的图像融合算法.计算每个源图像的聚焦度量值空间频率、改进的修正拉普拉斯算子和和梯度加权和,得到聚焦状态图 MSF、Mi-SML和 MSoG,根据隶属函数求出相应隶属度值μSF(z)、μi-SML(z)和μSoG(z),得到各源图像的权重,根据线性归一法生成最终的融合图像,并将该算法与当前几种典型图像融合算法进行主客观评价.结果表明:该算法的标准偏差(σ)高出4.699,平均梯度(G)高出0.382,信息熵(H)也是最高的,其他评价参数也在可接受的范围内,融合图像更清晰,没有产生伪影.     

基于人工神经网络的多源信息融合技术研究

随着科技的飞速发展,多媒体、各种信息源获得的图像数据信息量大、范围广、冗余大,面对如此庞大的数据,要想更合理、高效地利用,必须对这些海量数据进行融合,所以多源信息融合技术成为各个领域的研究热点。人工神经网络由大量互联的处理单元连接而成,跟人的认知处理过程及其相似,具有很强的自学习能力,对不确定的各事物进行关联,以获得对同一事物或目标的更客观、更本质认识的综合信息。基于人工神经网络的多源信息融合技术,结合双方的特点与优势,经过实验证明,融合后的图像效果良好。