多传感器图像融合效果综合评价研究

《多传感器图像融合效果综合评价研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、多传感器图像融合效果综合评价研究何贵青，陈世浩，田沄，郝重阳(西北工业大学电子与信息工程研究所，中德联合信息技术研究所，陕西西安710072)摘要：针对图像融合效果评价问题，利用灰色关联分析的小样本特性和整体比较机制，结合先验知识和量化评价，提出了一种基于多层次灰色关联分析的图像融合效果综合评价方法，评价结果易于定量表示，更加精确、客观，区分度大、可靠性高，该方法不仅可以从整体上进行综合评价，还可以从某个侧面进行特殊性需要的评价，兼顾了实际评价工作中的通用性和特殊性要求。实验结果表明，该评价方法具有较好的实时性和准确性，对于实现具有反馈的图像融合

2、过程、进一步丰富和完善图像融合理论框架具有启发意义和实用价值。关键词：图像融合；效果评价；综合方法；多层次；灰色关联分析9引言图像融合是多传感器信息融合的重要分支，在遥感、医学、天气预报、军事目标识别等诸多领域有着重要而广泛的应用前景。近年来，人们提出了许多方法用以解决多光谱、多时相、多分辨率、多传感器平台等多源图像的融合问题，包括IHS变换法、PCA变换法、HPF法、小波变换法和基于上述传统算法的多种改进算法[1]。相对于图像融合算法研究的多样性，关于图像融合效果的评价研究相对较少，而全面、客观的评价不仅可以比较各个融合算法的优劣，还对现有融合

3、算法的改进和研究新的融合算法具有重要的指导意义和参考价值。本文总结、讨论了图像融合效果评价的常用方法，重点分析了基于客观评价指标的综合评价方法，并引入灰色系统理论中的灰色关联分析概念，结合其小样本特性和整体比较机制，提出了一种基于多层次灰色关联分析的图像融合效果综合评价方法，该方法采用先验知识与量化评价相结合的思路，实现对融合图像效果优劣的综合评价，评价结果易于定量表示，更加精确、客观，可靠性高、实时性好。该评价方法能为计算机或智能图像融合系统自动、及时地比较和分析各个融合图像性能并选取适合当前图像、效果最佳的融合算法提供依据。1.图像融合效果评

4、价常用方法目前，对图像融合效果进行评价一般涉及定性评价或者统计指标单因素、多因素定量评价，即主观评价和客观评价[2]。主观评价方法以人作为融合图像的观察者，是一种主观性较强的目测方法，评价结果易受观察者的经验、兴趣、心理因素及其观察条件等影响，评价结论可能出现较大差异。客观评价又称定量评价，该评价方法通常分为单因素评价方法和联合单因素评价方法，前者通过融合图像与参考图像之间的量化公式(如，平均梯度)对融合图像效果进行定量地分析和判断，提高判断的准确性和速度；后者采用多量化判据可以弥补各单因素评价方法的片面性,得到更准确的结论。目前，根据客观评价指

5、标与融合图像质量的关系，我们将其分为“越大越优型”、“越小越优型”和“适当型”三类指标[3]。如表1所。表1客观评价指标越大越优型越小越优型适当型标准差熵平均梯度相关系数联合熵互信息信噪比峰值信噪比偏差度光谱扭曲度标准偏差均方误差交叉熵偏差熵均值2.图像融合效果综合评价方法9上述单因素评价方法和联合单因素评价方法是图像融合评价体系的基本方法，而综合评价方法是图像融合评价体系的发展方法。该方法是指在智能图像处理系统中，利用非线性方法或者智能计算的方法将单因素评价指标综合起来的一种客观评价方法，此类方法并不局限于只对图像数据本身进行分析，而是重视主观

6、与客观相结合，适当引入先验知识，能为计算机或智能图像融合系统自动、及时地比较和分析各个融合图像性能并选取适合当前图像、效果最佳的融合算法提供依据。2.1加权求和法综合评价加权求和法的综合评价结果可表示为：(1)其中，为单因素评价指标，为相应的权值。该方法中提供的评价指标的变化是线性的，在粗略评价时不失是一种简单易行的方法。其中关键是各因素权重的确定。2.2D-S证据理论综合评价证据理论可处理由不知道所引起的不确定性，它采用信任函数而不是概率作为度量。通过对一些事件的概率加以约束以建立信任函数，而不必说明精确的难以获得的概率，当约束限制为严格的概率

7、时，就进而成为概率论。D-S证据理论要求证据独立，这在实际中很难实现。此时可选用D-S理论推广方法，将相关证据转化为相应的独立证据。其中关键是基础概率的选取。2.3粗糙集理论综合评价[2,4]粗糙集理论是一种刻划不完整性和不确定性的新型数学工具，主要用于知识的简化和知识依赖性的分析。其特点是：无需借助于数据以外的先验信息就可对数据进行比较客观的处理，这是此理论与证据理论、模糊理论的最主要区别。根据粗糙集理论提出的综合评价方法，就是利用粗糙集方法的突出优势，即能表达和处理不完备信息，直接从给定问题的描述集合出发，通过不可分辨关系和不可分辨类确定问题

8、的近似域，求得知识的最小表达，识别、评估数据之间的依赖关系，从而找出问题中的内在规律。其中关键是原始样本的选取和离散化方法的选取。2.4