论文部分内容阅读
图像融合技术自提出以来，经不断发展完善，已成为信息处理领域中的有力工具。由于图像融合是将广泛空间内的图像信息加以综合研究，能够满足三维目标的多角度研究要求。并且图像融合与单传感器处理系统相比具有冗余性、互补性并且提高了系统的可靠性和鲁棒性，适合在复杂环境下的目标检测要求。因此，本文针对以上问题提出了用图像融合技术测量内河航运船舶吨位的研究课题。目标在于对图像融合技术进行研究，并将其运用在目标尺寸检测方面。
本文在像素级和特征级两个层次研究了图像融合技术在图像预处理、图像特征提取方面的应用，总结了相关方法的优缺点，并在此基础上进行了改进。在图像预处理方面，本文就图像去噪提出了基于BP神经网络的像素级图像融合方法。由于BP神经网络可以学习大量的模式映射关系，而不需要任何已知的数学函数知识描述输入输出模式间的映射。该方法利用BP神经网络的这种能力，用已知的模式对其进行训练，使网络可以融合来自同一景物的多幅带有不同噪声的图像，滤除图像中的噪声。实验证明该方法在滤除噪声的同时不会影响原图像的清晰度。在图像特征提取方面，本文提出了基于神经网络的图像边缘检测方法。该方法相对于传统的边缘检测算子来说，可以更好的避免噪声干扰及灰度差异过小带来的局限性。最后，本文将上述方法应用于内河航运船舶吨位测量实验中，并对实验结果进行了分析。
本文所提出的方法结合了神经网络和信息融合的优点，在图像预处理及图像特征提取方面的效果明显优于传统方法，为智能检测提供了一条新的研究途径。