圖像融合

像素級圖像融合:主要是針對初始圖像數據進行的,其主要目的是主要是圖像加強、圖像分割和圖像分類,從而爲人工判讀圖像或更進一步的特徵級融合提供更佳的輸入信息。像素級圖像融合屬於較低層次的融合,大部分研究集中在該層次上。融合以前首先要對圖像進行預處理的工做,包括:降噪、幾何校訂、輻射校訂、空問上精確配準等工做,若是圖像具備不一樣的分辨率,在融合前還須要做相應的映射處理。

特徵級圖像融合:是指從各個傳感器圖像中提取特徵信息,並進行綜合分析和處理的過程。提取的特徵信息是像素信息的充分表示量或充分統計量,典型的特徵信息有邊緣、形狀、輪廓、角、紋理、類似亮度區域等。經過特徵級融合能夠在原始圖像中挖掘相關特徵信息、增長特徵信息的可信度、排除虛假特徵、創建新的複合特徵等。通過特徵級融合處理後的結果是一個特徵空間,數據量相比於原來的圖像數據將大爲減小,該處理進程將極大地提升數據處理和傳輸效率,有效地推進數據自動實時處理。特徵級圖像融合是中間層次上的融合,爲決策級融合作準備。特徵級融合對傳感器對準要求不如像素級要求嚴格,所以圖像傳感器能夠分佈於不一樣平臺上。特徵級融合的優勢在於實現了可觀的信息壓縮,便於實時處理。目前,特徵級數據融合的主要方法有:聚類分析方法、DemPster·shafer推理方法、貝廿卜斯估計方法、信息墒方法、加權平均方法、表決方法以及神經網絡方法等。

決策級圖像融合:是對來自多幅圖像的信息進行邏輯推理或統計推理的過程。若是傳感器信號表示形式差別很大或者涉及圖像的不一樣區域,那麼決策級融合也許是融合多圖像信息的惟一方法。用於融合的決策能夠是源於系統中傳感器提供的信息,也能夠是來自環境模型或系統先驗信息的決策。從傳感器信息導出的決策表明了有關環境某個方面己作出的決策,一般是把傳感器信息導出的特徵與模型匹配來處理。於是,決策級融合是圖像融合的最高層次,其最直接的體現就是通過決策級融合的結果能夠直接做爲決策要素來作出相應的行爲,以及直接爲決策者提供決策參考。決策級融合的主要優勢可歸納爲:(l)通訊及傳輸要求低,這是由其數據量少決定的;(2)容錯性高。對於一個或若干個傳感器的數據千擾,能夠經過適當的融協力一法予以消除:(3)數據要求低,傳感器能夠是同質或異質,對傳感器的依賴性和要求下降;(4)分析能力強,能全方位有效反映目標及環境的信息、,知足不一樣應用的須要。因爲對預處理及特徵抽取有較高要求,因此決策級圖像融合的代價較高。目前,經常使用的決策級圖像融合的力一法主要有貝葉斯估計法、神經網絡法、模糊聚類法及專家系統等。

 

本文分享自微信公衆號 - 瓜大三哥（xiguazai_tortoise）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。