论文部分内容阅读
随着航天事业和军事国防事业发展，遥感图像的获取越来越便利。但是遥感图像存在数量多、有用信息少、图像分辨率低的特点，图像融合技术在遥感信息领域得到极速发展。目前，图像融合领域的研究很多，但大多都是在特定领域应用，根据融合目的来决定图像融合方法，这也就造成融合方法的多样性，没有一个统一的数学模型。本文结合模式识别与数据融合的特点，旨在寻找一种对图像融合的一般模型。
本文研究的是最底层的图像融合技术——像素级图像融合。在空间域中首先引入模糊C-均值聚类（FCM）算法对图像像素灰度信息进行聚类，获得每个像素灰度值各自针对背景区域、不确定区域以及目标区域的概率，即每个像素灰度值相对于这三类的隶属矩阵；其次根据隶属矩阵实质上的意义将隶属矩阵元素转化为各像素灰度值对D-S证据理论不相容命题成立的支持度；最后利用D-S证据理论对不同图像隶属矩阵元素作为证据理论中各命题成立的概率进行融合，所得结果为新图像的隶属矩阵，从而得出新的融合图像。在FCM聚类过程中，由于FCM对初始值敏感，鲁棒性较差，要获取较好的聚类效果，必须多次更换初始值。为了解决这一问题，本文提出基于禁忌粒子群混合算法优化FCM，在提高算法稳定性及收敛速度上有很好的改善，将该改进算法应用于图像融合中，不仅能有效实现对灰度值的分类，而且对后期融合过程中表现为更精确、更丰富的信息。对多幅图象利用改进的FCM有效聚类后进行融合所得的图像在信息熵、平均梯度、信噪比等特性上有明显的优势。
论文相关内容如下：
论文主要介绍了图像融合相关概念以及当前像素级图像融合方法研究发展情况。详细介绍了本文研究过程中应用的相关算法如模糊C-均值聚类、粒子群、禁忌搜索、D-S证据融合等。在VC＋＋环境下实现对两幅不同传感器获得的同一对象的图像基于FCM图像融合和基于改进的FCM图像融合，并对两种算法所得融合图像作相关的图像评价分析。
本文研究的是最底层的图像融合技术——像素级图像融合。在空间域中首先引入模糊C-均值聚类（FCM）算法对图像像素灰度信息进行聚类，获得每个像素灰度值各自针对背景区域、不确定区域以及目标区域的概率，即每个像素灰度值相对于这三类的隶属矩阵；其次根据隶属矩阵实质上的意义将隶属矩阵元素转化为各像素灰度值对D-S证据理论不相容命题成立的支持度；最后利用D-S证据理论对不同图像隶属矩阵元素作为证据理论中各命题成立的概率进行融合，所得结果为新图像的隶属矩阵，从而得出新的融合图像。在FCM聚类过程中，由于FCM对初始值敏感，鲁棒性较差，要获取较好的聚类效果，必须多次更换初始值。为了解决这一问题，本文提出基于禁忌粒子群混合算法优化FCM，在提高算法稳定性及收敛速度上有很好的改善，将该改进算法应用于图像融合中，不仅能有效实现对灰度值的分类，而且对后期融合过程中表现为更精确、更丰富的信息。对多幅图象利用改进的FCM有效聚类后进行融合所得的图像在信息熵、平均梯度、信噪比等特性上有明显的优势。
论文相关内容如下：
论文主要介绍了图像融合相关概念以及当前像素级图像融合方法研究发展情况。详细介绍了本文研究过程中应用的相关算法如模糊C-均值聚类、粒子群、禁忌搜索、D-S证据融合等。在VC＋＋环境下实现对两幅不同传感器获得的同一对象的图像基于FCM图像融合和基于改进的FCM图像融合，并对两种算法所得融合图像作相关的图像评价分析。