像素級多傳感器圖像融合新方法研究.pdf_第1頁
已閱讀1頁,還剩191頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、像素級圖像融合是將同類或異類傳感器采集到的關(guān)于同一場景或目標的圖像經(jīng)過一定的處理,綜合成一幅圖像,從而獲得對同一場景或目標更為準確、全面、可靠的圖像描述,是圖像處理與計算機視覺領域中多傳感器圖像信息綜合利用的重要手段。隨著圖像傳感技術(shù)的發(fā)展,像素級圖像信息融合已經(jīng)成為軍事、遙感、醫(yī)學、工業(yè)、交通等領域信息綜合處理的重要技術(shù)。由于圖像傳感器種類繁多,應用環(huán)境各不相同,所以圖像融合算法也是各種各樣。相對于國外的研究,國內(nèi)研究起步較晚,其理論

2、以及技術(shù)水平亟待提高。本文在深入分析了現(xiàn)有圖像融合理論的基礎上,結(jié)合目前圖像處理發(fā)展的最新理論,構(gòu)建了兩種新型圖像融合框架,提出了稀疏表示域圖像融合新方法。在這三種新型圖像融合框架下,結(jié)合不同圖像融合任務的特點,提出了一系列新型像素級圖像融算法。另外針對高速公路智能交通系統(tǒng)的需求,本文還提出了多時相圖像融合技術(shù)和基于特征融合的車牌檢測技術(shù),解決了高速公路智能交通系統(tǒng)中監(jiān)控和信息獲取兩個重要環(huán)節(jié)的關(guān)鍵問題。本文主要研究成果如下:
 

3、  1.混合多分辨率分析圖像融合
   傳統(tǒng)像素級圖像融合算法往往只考慮一種圖像多分辨率分析方法,融合算法性能很難獲得較大的突破。這是因為任何一種圖像多分辨率變換基函數(shù)的構(gòu)造都有嚴格的限制,使其在表達圖像特征時存在一定程度的局限,例如小波變換不能表達圖像邊緣信息,Curvelet變換不能很好地表達圖像細節(jié)。由于無法全面表達圖像信息,僅通過改變系數(shù)融合規(guī)則很難進一步提高圖像融合算法性能。實際上,不同多尺度幾何分析方法之間存在互補

4、特性。例如小波變換適合表示源圖像中的紋理、角點等細小特征,而Curvelet和Contourlet變換適合表示源圖像的邊緣和線信息?;诖吮疚脑谕ㄟ^大量的對比實驗以及理論分析的基礎上,提出了圖像的混合多分辨率分析理論,將具有互補特性的不同圖像變換方法以串聯(lián)的形式結(jié)合,獲得圖像的混合多分辨率分解,并進一步構(gòu)建了混合多分辨率分析圖像融合框架,在混合多分辨率分解域內(nèi)對分解系數(shù)進行融合,最后通過逆變換得到融合圖像。在該框架指導下,我們結(jié)合小波變

5、換與Curvelet變換的互補特性以及靜態(tài)小波變換與非下采樣Contourlet變換的互補特性,實現(xiàn)了兩種基于混合多分辨率分析的圖像融合方法。仿真實驗顯示這兩種方法都能很好地保留源圖像的細節(jié)信息,融合圖像質(zhì)量比單純使用小波、Curvelet或Contourlet得到的融合圖像質(zhì)量有明顯改進。特別地,混合靜態(tài)小波與非下采樣Contourlet變換的多分辨率分析方法還能很好地保持圖像變換的移不變特性,使得待融合源圖像存在誤配準時仍能取得高質(zhì)

6、量融合圖像。
   2.多聚焦圖像區(qū)域級融合
   多聚焦圖像融合能夠突破光學鏡頭景深的物理限制,獲得場景中所有目標聚焦清晰的合成圖像,是許多機器視覺處理任務,如邊緣檢測、圖像分割、目標識別等的關(guān)鍵技術(shù)。在傳統(tǒng)多聚焦圖像融合框架下,融合規(guī)則只考慮了源圖像單個像素特征或其變換域系數(shù)的局部鄰域特征,通常是在損失部分清晰特征的情況下達到場景內(nèi)所有目標的相對清晰,融合圖像很難達到最優(yōu)。且對于沒有或不能嚴格配準的源圖像,根本無法得

7、到滿意的融合結(jié)果。針對這一國內(nèi)外同行公認的難題,本文通過模擬手工獲得理想多聚焦融合圖像的剪與貼方法,構(gòu)建了分割合并相結(jié)合的多聚焦圖像區(qū)域級融合框架。在該框架下,算法自動選擇源圖像中最清晰的區(qū)域合成融合圖像,克服了傳統(tǒng)方法會損失源圖像清晰特征的缺點?;谠摽蚣?我們分別采用Normalizedcut和Watershed圖像分割算法以及圖像空間頻率和形態(tài)小波變換系數(shù)區(qū)域清晰度標準設計了兩種區(qū)域級多聚焦圖像融合算法,實驗結(jié)果顯示這兩種算法能夠

8、得到近似“理想”的多聚焦融合圖像。另外,根據(jù)多聚焦圖像融合的特點,本文還提出了根據(jù)圖像清晰測度直接對圖像進行分割,巧妙地通過比較源圖像空間頻率特征來得到清晰區(qū)域與模糊區(qū)域的模板,進一步提高了算法效率。
   3.稀疏表示域圖像融合
   稀疏表示理論是繼小波、Curvelet等多分辨率表示方法后一種新型的信號表示理論,具有稀疏的信號表示形式,更加符合人的視覺特性。圖像稀疏系數(shù)能夠更加準確地表達圖像顯著信息的特點也使其非常

9、適合圖像融合任務。然而,稀疏表示理論與小波變換有著不同的變換形式,基于傳統(tǒng)多分辨率分解的圖像融合框架并不適用于稀疏表示。本文針對稀疏表示的特點,并考慮到圖像融合處理局部顯著信息的特點,提出了滑窗技術(shù),在此基礎上提出了稀疏表示域圖像融合方法。在新的圖像融合方法指導下,我們首先提出了多聚焦圖像稀疏表示域的融合算法,并對其進一步擴展實現(xiàn)圖像恢復融合,在源圖像受噪聲干擾時,仍能取得非常好的去噪和融合結(jié)果。另外經(jīng)理論分析發(fā)現(xiàn),當進行多模圖像融合時

10、,不同的源圖像可能分解到過完備稀疏字典不同的子集上,使得稀疏系數(shù)的融合規(guī)則難于設計。對此本文提出利用同步正交匹配追蹤的圖像稀疏表示算法來保證異質(zhì)圖像的稀疏表示系數(shù)一一對應。大量的仿真比較實驗結(jié)果顯示基于稀疏表示的圖像融合方法能夠大幅提高融合圖像質(zhì)量。
   壓縮傳感是圖像稀疏表示理論的重要應用之一,其一經(jīng)提出就受到了國內(nèi)外學者的高度關(guān)注,2007年被美國科技評論評為年度十大科技進展之一。該理論指出在稀疏約束下,可壓縮的信號/圖像

11、可從遠低于Nyquist標準的壓縮采樣數(shù)據(jù)中精確地恢復出來。本文充分結(jié)合遙感圖像的成像原理,光照特性以及傳感器的光譜反應特性,構(gòu)造了遙感圖像壓縮傳感模型,將遙感圖像融合問題轉(zhuǎn)化為具有線性約束的信號恢復問題,并在圖像稀疏表示域圖像融合框架下,提出了一種基于壓縮傳感理論的稀疏表示域遙感圖像融合算法。在Quickbrid衛(wèi)星和IKONOS衛(wèi)星數(shù)據(jù)上的仿真實驗證明該方法能夠得到比傳統(tǒng)方法更好的融合圖像。
   4.圖像信息融合技術(shù)在智能

12、交通監(jiān)控系統(tǒng)中的應用
   智能交通系統(tǒng)是從根本上解決日益嚴重的交通問題的一個新型技術(shù)手段,它可以為交通部門提供及時、準確的交通信息,從而最大效能的發(fā)揮交通管理系統(tǒng)在交通監(jiān)視、交通控制等方面的作用。然而與我國高速公路建設的快速發(fā)展相比,智能交通系統(tǒng)的發(fā)展則相對落后。隨著日益嚴重的地面交通問題的出現(xiàn),開發(fā)穩(wěn)定有效的智能交通系統(tǒng)勢在必行。智能交通系統(tǒng)首要任務就是視頻監(jiān)控,然而由于夜間能見度的不足,監(jiān)控攝像機不能采集到足夠的信息,這給

13、視頻監(jiān)控帶來了一定的難題。對此本文設計了一種梯度域多時相圖像融合方法,將夜間圖像與白天背景圖像進行融合,提高了夜間圖像中背景的質(zhì)量,改善了高速公路夜間視頻監(jiān)控的能力。交通信息的獲取是交通信息服務系統(tǒng)的重要組成部分,其核心為運動汽車車牌的自動檢測與識別。針對傳統(tǒng)算法檢測率不高,后續(xù)處理壓力較大的問題,本文提出了基于特征融合的車牌檢測技術(shù),同時考慮了車牌區(qū)域擴展Haar特征和邊緣方向直方圖特征,使得車牌檢測率有顯著提高,仿真實驗證實了本文算

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論