多源图像的特征融合方法研究

多源图像的特征融合方法研究

ID:34146460

大小:7.84 MB

页数:80页

时间:2019-03-03

多源图像的特征融合方法研究_第1页
多源图像的特征融合方法研究_第2页
多源图像的特征融合方法研究_第3页
多源图像的特征融合方法研究_第4页
多源图像的特征融合方法研究_第5页
资源描述:

《多源图像的特征融合方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类号:UDC:TN911.7621.39工学硕士学位论文密级:编号:2011169多源图像的特征融合方法研究硕士研究生:金萌萌指导教师:胡玉兰教授学科、专业:信号与信息处理沈阳理工大学2013年12月分类号:TN911.7UDC:621.39工学硕士学位论文IIIIIIIIIIIIIlUllIll11111IIIlY2553919密级:编号:2011169多源图像的特征融合方法研究硕士研究生:指导教师:学位级别:学科、专业:所在单位:论文提交日期:论文答辩日期:学位授予单位:金萌萌胡玉兰教授工学硕士信号与信息处理沈阳理工大学2013

2、年12月2014年3月沈阳理工大学ClassificationIndex:TN911.7U.D.C.4621.39AThesisfortheMasterDegreeofEngineeringResearchonFeature--levelImageFusionMethodBasedonMulti—·SourceImageCandidate:JinMengmengSupervisor:Prof.HuYulanAcademicDegreeAppliedfor:MasterofEngineeringSpeciaJity:SignalandI

3、nformationProcessingDateofSubmission:December,20l3DateofExamination:March,20l4University:ShenyangLigongUniversity沈阳理工大学硕士学位论文原创性声明本人郑重声明:本论文的所有工作,是在导师的指导下,由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出,并与参考文献相对应。除文中已注明引用的内容外,本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体,均己在文中以明确方式标明

4、。本人完全意识到本声明的法律结果由本人承担。作者(签字):金蘸载日期:如l十年3月vO日学位论文版权使用授权书本学位论文作者完全了解沈阳理工大学有关保留、使用学位论文的规定,即:沈阳理工大学有权保留并向国家有关部门或机构送交学位论文的复印件和磁盘,允许论文被查阅和借阅。本人授权沈阳理工大学可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或其它复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名:奎戈馘日期:瑚I长3、怆指导教师签名:肛El期:矽艰3、IO沈阳理工大学硕士学位论文摘要

5、近年来,在信息融合理论研究和应用的基础上,多源图像融合技术逐步发展了起来,其中最经典的应用就是可见光与红外图像的融合。可见光传感器通过获取目标场景的反射信息成像,红外传感器由热探测元件接收场景内物体发出的红外辐射成像。在实际应用中可见光传感器虽然有很多优点,但它在恶劣的环境下得到的画面不够清晰,而红外传感器正好能够克服这一缺点,因此两种传感器的图像融合能够做到优势互补,得到更全面的目标场景描述。特征级图像融合与像素级融合和决策级融合相比,在保留目标的有效鉴别信息的同时又能够去除数据冗余,并且有较好的分类性能,是一种很好的图像融合方法。

6、但是目前关于特征级融合的文献和研究成果较少,还在积极探索中,因此本文在这种背景下对红外与可见光图像的特征级融合方法做了深入研究。本文具体的研究内容如下:(1)分析了目前特征提取中常用的目标特征,包括灰度共生矩阵、Hu不变矩、仿射不变矩、小波矩和Zemike矩,研究了特征级目标识别系统的基本结构和识别原理,并阐述了红外与可见光的特征级融合过程。(2)研究了独立分量分析(ICA)算法。阐述了ICA算法的基本原理和独立性的度量指标,重点研究了快速固定点ICA算法,并且将其应用到红外与可见光图像的特征融合中,实验证明ICA方法得到的融合特征具

7、有很好的识别率。(3)研究了主成分分析口CA)算法。结合红外与可见光图像的特点,将PCA算法应用到特征融合中,构造出相关系数矩阵,并求出其特征值和特征向量,根据累计贡献率选择融合特征。实验证明PCA方法是一种有效的特征融合方法。(4)研究了典型相关分析(CCA)算法并且对其进行了改进。CCA算法在处理高维小样本的情况下会面临协方差矩阵奇异的问题,为解决这一问题,本文选用了PCA算法对其进行改进,先用PCA对数据做降维处理,然后在低维空间中利用CCA方法求解融合特征。通过实验验证了方法的可行性,并且得到很好的识别率。关键词:图像处理;特

8、征级融合;主成分分析:独立分量分析;典型相关分析沈阳理工大学硕士学位论文沈阳理工大学硕士学位论文AbstractInrecentyears,basedoninformationfusiontheoryandapplica

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。