多源图像集成配准和融合的联合优化方法研究

• 作 者: 唐春霞
• 出 处: 重庆邮电大学
• 发表日期: 2004年期
• 关键词: 图像配准 图像融合 概率混合模型 期望最大化算法 车辆检测

多源图像的集成配准和融合作为图像处理领域的研究热点,目标在于综合来自不同源的成像传感器数据获得更加全面的图像信息。当前其广泛应用在医学、遥感图像以及智能车等领域,故对多源图像的集成配准和融合的联合优化方法进行研究具有重要的理论和工程意义。通过对国内外研究现状的调查发现,目前这部分的研究并不多,考虑的问题不够全面深入,且集中于两两配准与融合。因此,本文对多源图像的集成配准和融合展开研究。首先,考虑噪声以及离群值对模型的影响,提出基于学生t混合模型的多源图像集成配准和融合的联合优化方法;进而,本文重点分析图像像素值的真实分布范围,引入空间约束机制,构建基于有界广义高斯混合模型的多源图像的集成配准和融合的联合优化算法;最后,为解决智能车环境感知中车辆检测准确率以及鲁棒性低等问题,将多源图像的集成配准和融合联合优化应用到车辆检测中,从而提高车辆检测准确率。论文的主要研究内容包括:1.总结当前多源图像集成配准和融合的联合优化方法的研究现状与不足之处,并提出本文的研究目标。2.提出基于学生t混合模型的多源图像集成配准和融合的联合优化方法。考虑到噪声以及离群值对图像配准精度与图像融合性能的影响,提出通过学生t混合模型对多源图像的联合强度向量进行建模,并采用期望最大化算法求解模型变换参数。通过大量不同数据集的实验结果验证其有效性。3.提出基于有界广义高斯混合模型的多源图像集成配准和融合联合优化方法。在刻画联合强度分布散点图时,综合考虑图像像素值实际分布情况,引入空间约束机制,通过有界广义高斯混合模型来刻画联合强度向量。从而构建多源图像集成配准和融合算法。通过求解模型参数进而得到融合图像。4.真车实验验证。针对现有车辆检测算法准确率以及鲁棒性低等问题,本文将多源图像集成配准和融合的优化方法应用到车辆检测算法中,建立多摄像头的集成配准和融合的联合优化的车辆检测算法,并通过真车实验验证所提算法的有效性。总体来说,本文所提基于多源图像的集成配准和融合的联合优化方法优于现有算法,将所提算法结合到车辆检测研究中,检测准确率等方面都有显著的提升。本文的研究工作对今后的智能车研究提供理论和实践基础。