像素级多传感器图像融合研究进展

像素级多传感器图像融合是对多个传感器获取的同一地区或同一目标的图像数据,采用一定的算法将各图像数据中所含的信息优势或互补性有机结合起来产生新的图像数据的技术.本文探讨了像素级多传感器图像融合的研究意义和应用,对像素级多传感器图像融合方法进行了分析比较,并对其发展方向进行了展望.     

基于粒子群优化算法的像素级图像融合

多传感器的像素级图像融合中，如果对源图像进行线性运算以得到融合图像，源图像的置信度取值一般只能由经验和个人主观感觉来确定，并不能得到令人满意的融合效果．本文针对这一问题提出了一种基于粒子群优化算法的像素级图像融合的算法．该算法可以根据融合的目的采用不同的融合指标，应用粒子群优化算法得到比较满意的融合图像．实验结果表明该算法优于其它的几种像素级图像融合算法．     

多传感器数据融合及其在图像信息处理中的应用

随着图像信息的日益复杂,单独的某种算法或单信道的图像信息已不能满足高精度的图像识别任务的需要,多传感器数据融合技术在图像信息处理中得到越来越广泛的应用。介绍了数据融合的三种主要方法,从图像信息融合的基本流程、图像配准和图像融合的层次三方面进行了综述,在此基础上分析了多传感器图像信息融合领域的研究热点和发展趋势。     

多源图像信息融合的理论与技术

对不同空间分辨率，时间分辨率和波谱分辨率的遥感图像进行综合，高效的利用，是当前学术界的焦点问题之一。回顾图像融合的源起与发展，对融合的概念与基础理论做了界定与阐述，将目前存在的各种融合技术归纳为3种类型；像元级融合，特征级融合和分类级融合，剖析了其优缺点和适用领域，并对今后的发展方向做了展望。     

多源图像融合综述

图像融合(Image Fusion)是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等,最大限度的提取各自信道中的有利信息,最后综合成高质量的图像,以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率,利于监测。本文主要介绍一下图像融合的基本概念以及图像融合的研究内容。     

多源图像融合综述

图像融合(Image Fusion)是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等,最大限度的提取各自信道中的有利信息,最后综合成高质量的图像,以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率,利于监测.本文主要介绍一下图像融合的基本概念以及图像融合的研究内容.     

参数化二叉树编码实现加密图像可逆数据隐藏

为了提高数据嵌入容量，提出了一种基于参数化二叉树编码的加密图像可逆数据隐藏新方法。该方法的系统由图像所有者、数据嵌入者和授权接收者三方组成，其中，图像所有者采用特殊的图像块随机调制和置乱对原始图像加密并上传；由于加密操作很好地保留了图像块的像素相关性，数据嵌入者可在加密域充分利用图像块相关性，通过自适应选择参考像素来预测同一图像块的其余像素得到预测差值，再使用参数化二叉树编码进行无损压缩生成嵌入空间，实现大容量数据嵌入；授权接收者可正确提取嵌入数据或无失真恢复原图像。仿真实验结果表明：所提方法提高了嵌入容量，且可用于医学、云服务、军事等众多领域。     

机器人多传感器数据融合的两级结构及途径

机器人多传感器数据融合已成为一个活跃的研究领域,然而关于融合模型与途径的系统阐述是缺乏的。该文从信息处理的角度归纳出了一个数据信息融合的两级结构模型,数据级和证据级融合。这一模型较好反映了信息融合的本质.根据这一结构,又给出了运用Biyes参数估计和Dempster-Shafer证据推理相结合的多传感器数据融合的一般途径和步骤,最后加以例证。     

仿射医学图像融合算法

提出了一种仿射医学图像融合方法。以医学图像的象素灰度信息为融合依据,首先根据参考图像的象素值对参考图像进行划分;然后根据该划分对浮动图像进行划分,并假设被划分在同一组中的象素有相似的灰度值;最后迭代地对浮动图像进行仿射变换使得浮动图像中的被划分在同一组中的各个象素间的标准方差最小,实现融合图像象素之间的匹配。由于算法充分利用图像的全部象素的灰度信息,不需对图象进行滤噪等预处理,从而提高算法的精度;该方法采用仿射变换,因而不仅可纠正刚体形变而且可纠正放缩形变,适用于单模及模板融合。     

参数化二叉树编码实现加密图像可逆数据隐藏

为了提高数据嵌入容量,提出了一种基于参数化二叉树编码的加密图像可逆数据隐藏新方法。该方法的系统由图像所有者、数据嵌入者和授权接收者三方组成,其中,图像所有者采用特殊的图像块随机调制和置乱对原始图像加密并上传;由于加密操作很好地保留了图像块的像素相关性,数据嵌入者可在加密域充分利用图像块相关性,通过自适应选择参考像素来预测同一图像块的其余像素得到预测差值,再使用参数化二叉树编码进行无损压缩生成嵌入空间,实现大容量数据嵌入;授权接收者可正确提取嵌入数据或无失真恢复原图像。仿真实验结果表明：所提方法提高了嵌入容量,且可用于医学、云服务、军事等众多领域。     

结合图像质量评价参数的多尺度分解融合策略

图像多尺度分解的融合策略是提升融合图像质量的关键. 为了充分利用图像多尺度分解过程中的信息,提出了利用图像质量评价参数进行图像融合的策略. 该策略主要分为两部分：在近似图像融合的策略中,利用上一分解层图像信息对应的显著性特征来构造当前层图像融合所需的权重;在细节图像的融合策略中,则引入空间频率、对比度来确定细节图像的选取. 实验表明,该文所提出的融合策略与目前常见的融合策略相比,所获得的主观视觉效果和客观参数评价效果均较好.     

一种基于视频的超分辨率图像生成方法研究

随着手持视频设备的普及,如何为这类低分辨率应用环境提供一种生成高质量图像的方法是一个值得研究的问题.讨论了如何从低分辨率、低质量的视频中创建清晰的、高分辨率图像的方法.针对当前多图像超分辨率技术没有考虑运动估计和重要帧的权值等问题,提出了一个基于时间显著性、局部图像统计特征来计算图像像素权值的方法,以实现更好的图像融合.提出的基于重要性的计算框架,降低了低质量帧的影响,显著提高了有效成分的作用.     

多传感器信息融合技术在光电经纬仪系统中的应用研究

经纬仪系统是一个比较复杂的多传感器系统，多传感器信息融合(Multi—seneor Data Fusion)是把多种传感器中于一个统一的感知系统(这个感知系统就是多传感器信息融合系统)中，从而有机地综合利用多个传感器来的数据和信息，以便获得对周围环境的更多或更准确可靠的认识．研究多传感器信息融合技术在经纬仪系统中的应用，可以提高仪器的可靠性和自动化程度，以及跟踪精度和实时输出精度．     

基于小波系数方向特性的图像融合新算法

介绍了图像的提升方案小波变换蓑统计了图像经小波变换后各高频子带系数的方向区域特性,据此提出了一种新的基于小波系数方向特性的图像融合方法．对于低频子带的每个系数,采用加权平均的融合规则确定低频融合系数;对于各高频子带的每个系数,根据其所在子带的方向特征,采用方向特性的融合规则确定高频融合系数．本文对多幅图像进行了融合仿真实验,并用信息熵和平均梯度对融合结果进行了客观的评价．实验结果表明,基于小波系数方向特性的图像融合算法要优于传统的融合算法,具有一定的实用性．     

一种基于Contourlet变换的多聚焦图像融合方法

提出了一种基于Contourlet变换的多聚焦图像融合方法.首先采用Contourlet变换对不同聚焦的图像进行分解,然后在不同的子带中进行图像融合.低频子带采用基于区域能量改进的融合算法;高频子带采用基于D-S证据理论的融合算法.实验结果表明,该算法能够有效地融合源图像信息,保持源图像特征.     

一种优化的高光谱图像特征提取方法

众所周知,特征提取方法在降低计算复杂度和增加高光谱图像分类精确度方面十分有效,针对此,提出了一种优化的图像融合和迭代率波的特征提取方法。首先,将高光谱图像分割成多个相邻波段的子集;然后,通过均值法把每个子集中的各个波段融合在一起;最后,对融合后的波段进行递归滤波处理,获得分类的特征信息。结果表明,该方法展示出较高的分类精确度。     

基于小波变换的图像融合算法研究

针对可见光和红外热像仪各自的成像特性,提出了一种新的基于小波变换的图像融合算法,将配准完成的电视图像和红外图像分别进行小波分解,得到低频图像和高频图像。采用不同的规则分别对低频图像和高频图像进行融合,并进行小波逆变换,得到最终的融合图像。最后采用实验验证了算法的有效性,结果表明,该算法明显优于传统小波变换算法。     

基于灰度直方图熵与小波变换的近红外与可见光图像融合

本文简单阐述了基于灰度直方图熵和平稳小波变换图像融合原理,并对近红外与可见光图像融合效果进行了实验对比分析。研究表明,基于灰度直方图熵和小波变换的近红外与可见光图像融合算法得到的融合图像层次感强,对比度高,且图像的标准差、信息熵、互信息评价指标最优,从源图像中所获取的信息最多。     

多传感器信息融合综述

多传感器信息融合协调利用多个传感器，通过对各传感器获得的未知环境特征信息的分析和综合，得到对环境全面、正确的估计，它避免了单一传感器的局限性，可以获取更多信息，得出更为准确、可靠的结论．较全面地介绍了多传感器信息融合技术的背景、概念、原理、融合层次的划分以及信息融合方法等内容，对其未来的发展趋势作了展望并指出了有待解决的问题。     

联合图像分类的图像融合算法研究

针对人眼对于外界信息的摄取会进行过滤,对于一幅既定的场景,会将其分为目标和背景两部分,对于目标信息的获取会希望更加详细,背景信息没有过多要求的特点,本文研究了联合图像分类的图像融合算法。对给定的待融合图像进行NSCT(Non-subsampled contourlet transform)变换,在NSCT变换域内提取特征,利用K-Means方法将图像分为目标和背景两部分,然后对背景和目标的低频信息采用均值准则、目标的高频信息采用区域能量加权平均的准则进行融合;同时为了降低计算复杂度,将压缩感知应用于图像分类过程中,实验结果验证了本文算法的优越性。