图像信息多层次融合技术的研究

《图像信息多层次融合技术的研究》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、摘要图像信息融合的目的是综合同一个场景的多个图像的信息，或同一个图像的多角度信息，得到更适合人的视觉和计算机视觉的一幅图像，或更适合进一步图像处理需要的图像。图像融合系统因其冗余性、互补性、时间优越性及相对低成本性等受到高度重视并在相关领域取得了不菲成绩，在医学、计算机视觉、遥感、气象预报、目标探测与识别等方面的应用潜力正得以挖掘。本文主要针对图像信息各个层次(像素级、特征级和决策级)的融合展开了研究。研究涉及人脸的识别算法、特征级和决策级的融合算法、融合评价体系，并提出了基于像素级融合的一种新方法。主要工作包括：1．在像素级融合技术中，分析了HIS变换在融合中产生颜色

2、失真的原因，提出了将小波变换和HIS变换相结合的方法，有效的解决了融合中颜色失真的问题，并根据融合评价体系对实验结果进行评价。结果显示，这种方法是一种比较理想的像素级融合方法，对像素级融合技术的研究有借鉴意义。2．在特征级融合技术中，分别用主成分分析(PCA)法和核主成分分析(KPCA)法提取待识别人脸图像的特征向量，得到关于人脸图像的二阶统计信息和高阶统计信息；根据识别要求构建了融合两种特征向量的BP神经网络，将融合向量的识别结果与核主成分分析法的结果进行比较。实验证明该法在特征级融合中便于实时处理，为特征级融合的进一步研究提供参考。3．在决策级融合技术中，利用模糊集

3、合理论解决了子决策的融合模式和有效融合问题。利用matlab中的GUI工具建立模糊推理系统，综合考虑客观事实(人脸的识别度)和信任程度(变量的隶属度)，验证了该方法的有效性。关键词：图像信息融合；像素融合；特征融合：决策融合：小波变换ABSTRACTTheinformationfusionoftheimagesisintegratedwithascenefrommultipleimages，orthesameimagemultiangleinformation，tobemoresuitableforhumanvisualperceptionandcomputervisi

4、onimage，ormoresuitableforfurtherimageprocessingneedimage．Imagefusionsystemhaveachievedsuccessinrelatedfieldsbecauseofitsredundant，complementaryadvantages，timeandrelativelowcostandhighlyvalued，andareabletodigpotentialinmedicine，computervision，remotesensing，weatherforecast，targetdetectiona

5、ndrecognitionandotherapplications．Thisarticlemainlyaimsattheimageinformationfusionatalllevels(pixellevel，featurelevelanddecisionlevel)，launchedresearchinsystemanddepthly．Thispaperrelatestoalgorithmsoffacerecognition，algorithmoffeaturelevelanddecisionlevelfusion，systemoffusionevaluation，a

6、ndanewmethodbasedonpixellevelfusion．Themainworkofthisthesisincludes：1．Inthepixellevelfusion。analysisthereasonofthecolordistortionintheHIStransfoITtl，PutforwardacombinationofmethodsaboutthewavelettransformandHIStransform．solutethefusionofcolordistortionineffective，evaluatetheexperimentalr

7、esultsaccordingtothefusionevaluation．Theresultsshowthat，thismethodisamoreideal，promotetheresearchofthepixellevelfusion．2．Infeaturelevelfusion，usingprincipalcomponentanalysis(PCA)methodandkernelprincipalcomponentanalysis(KPCA)methodtoextractfeaturevectorsforfacerecognition