论文部分内容阅读
摘要：为了提高无人机的侦察识别能力以及现阶段对于图像融合应用的需求，本文围绕着图像融合技术在无人机领域中的应用做出探索，对无人机多源侦察图像融合的目的和原则进行了详细的概括，同时阐明了无人机多源侦察图像融合方法，图像预处理算法、图像融合算法和输出算法，以及图像融合的三种层次，像素级、特征级和决策级三种层次。
关键词：图像融合;无人机;光谱图
引言：随着信息技术、生物技术、新能源技术、互联网技术的不断发展，我国的空中装备也要紧跟时代潮流有所进步。无人机的偵察图像融合技术在目前已经广泛应用到了无人机信息系统领域，本文针对无人机多源侦察图像融合与光学图像的特有性质，结合无人机侦察图像融合的分类、目的、原则以及各种处理流程、方法，同时着重于光波变换的图像融合技术，为无人机多源侦察图像融合提出了综合评价方法。
1无人机多源侦察图像融合概述
1.1融合目的
一般来说，就我国现在的科学技术水平情况，侦察式无人机可以携带很多的设备进行侦察作业，比如说在进行侦察任务中可以携带可见光CCD、红外线CCD以及合成孔径雷达设备SAR等，这些设备生成的图像一般都有自己的原理，互相都不一样，同时在无人机进行飞行的时候，无人机主要是通过热辐射进行作业，容易受到外界环境因素干扰。同时，无人机在电磁场环境复杂、无人机飞行速度较快、飞行高度较高且距离拍摄目标较远时，无人机拍摄到的序列图像和平时在地面上所获得的图像相比是有很大程度上的区别的，拍摄出来的图片像素极小，很难看得清楚，出于这种原因，为了提高目标空间的分辨度以及目标特征强度、目标分类识别的精度实现信息互补，所以就有了无人机多源侦察图像融合技术。
提高目标空间的分辨度，举个例子来解释就是将美国地球资源卫星Landsat-ETM6与ETM的其他波段进行图像的融合，这样的做法可以提高ETM6的空间分辨度，使观测结果更加准确，加强目标特征，这主要是将微波与物理性质特征完全不一样的两种光学传感器的观测数据融合，使得原来没有发现的特征显现出来。目标分类识别的精度主要是指，每一张图像的拍摄都会或多或少地受到周围环境以及观测设备成像范围地限制，不能全面地反映信息，而多源图像的融合这种技术手段就可以很好地避免这一缺点，增大成像的范围。
1.2融合原则
图像融合是以图像为研究对象而进行的数据融合处理，它是将同一景物的不同波段或来自至少两个或者是两个以上的观测设备向不同传感器发出的图像处理，主要可以消除不同传感器之间可能存在的冗余和矛盾，实现了信息的互补功能。同时可以对目标观察物进行详细彻底的观察，降低不确定性，可以在一幅图像中展现更多的所需要的图像信息，加强人类对于未知的探索。除此之外，为了将图像更好地进行融合，我们可以把传感器获得的信息分为两种类型，一种是冗余信息，一种是互补信息，这使得信息来源更精确、更完整、更可靠，并且同时它也扩大了各种类别信息的使用范围与观察范围，这种技术不是简单地将两种图像进行叠加，它是有原则有规律地将两种不同事物的观察结果进行合理的融合，为研究者提供更有价值的图像信息，达到1+1=2或是1+1>2的效果。最重要的是我们要在多源图像融合时，牢牢地记住冗余性、时限性、互补性和低成本性这四种原则，使图像信息更加准确、实现最大的经济效益和性价比。
2无人机多源侦察图像融合方法
2.1图像融合流程
图像融合流程举个例子来讲就是将无人机接收到的光谱分辨率较高但空间分辨率较低的多光谱图和光谱分辨率较低但空间分辨率较高的全色光谱图进行图像融合，互相弥补缺点，发挥优点。二者融合后不论是光谱分辨率还是空间分辨率都会呈现一个较高的状态，具有很高的细节表现力。简单来说图像融合流程就是对不同传感器所获取的图像进行数据方面的融合，预处理。那么在预处理的过程中主要是通过将无人机拍摄到的几张图像在系统中进行几何处理去噪之后将已经除去噪点的两张图像进行图像匹配，找到两张图像合适的部分进行系统匹配工作，在这之后将匹配好的图像进行融合。这里面值得注意是，我们在图像进行融合的过程中要注意采用什么样的融合规则，主要有四条冗余性、时限性、互补性和低成本性四种原则，经过融合后的图像将进入应用层，在应用层系统将对融合后的结果进行综合性质的评估。
在整个图像融合流程前，我们必须事先对融合系统的方案进行设计，这是所有图像融合之前都必须要做的工作。这里我们以某单位开发的Code Composer Studio 软件为例，它就是将Reference Frameworks5 中的基本元素和CCS/BIOS 的各种应用作为对象，以此为基础搭建多源图像融合信息系统软件的框架，接着运用三种算法，分别为图像预处理算法、图像融合算法以及输出算法三种，我们用Y来表示预处理算法，F来表示融合算法，O来表示输出算法。以上这三种算法都遵循eXpressDSP兼容算法标准XDAIS，都可由C语言程序来进行编写。
2.2图像融合处理
对于无人机侦察图像的融合处理，要根据本身的融合目标和层次来进行融合算法的选择，只有将互相匹配的图像进行融合，我们所得到的结果才会准确合理。在侦察图像处理融合的层次上面可以分成三个层次，像素级、特征级和决策级三种。首先解释一下像素级，这种融合是将图像直接在未经过任何处理的原始数据层上进行图像融合，主要优势就是在于它能最大程度的保留原始的现场数据，提供给系统更加准确、全面、可靠的数据信息。虽然像素级融合属于最低层次的图像融合，它是我们在实际应用中使用最广泛的图像融合手法。第二种就是特征级图像融合，这种技术首先它是对收到的图像信息做了一个简单的处理，它将来自各个不同传感器的信息进行特征提取，之后将提取出来的特征进行分析并加以区分。这种方法的优点主要是实现了信息的压缩化处理，减少图像信息所占用的空间。最后一种是决策级图像融合，它是这三种图像融合层次中最高级的一种融合形式，融合结果直接为指挥者提供决策依据，这一层次极为重要，在这一层的融合中，它与前两种都不同的是，它是先将每一张图像都进行数据分析，然后在对其进行相关的处理，最后再进行融合[1]。
2.3实验结果分析
在最后的实验结果分析中，无人机侦察图像融合算法的准确性是评判最后实验结果质量好坏的关键程序。对于实验结果分析的方法有两种，一种是主观评价法，另一种是客观评价法。
主观评价法，就是人们用肉眼对融合后图像进行主观上的判断，这种方法受外界环境影响比较大，同时不同的观察者，不同的图像类别对最后的结果也会有很大的影响，从理论上来讲，这种方法参加的人越多越好[2]。
客观评价法就是运用一些方差、均值、相关系数来对结果做出客观的评价，那么以均值和方差两个系数来看即M ×N 的图像f（i，j）均值和标准差的计算公式：
均值是指整个图像的灰度的算数平均值，在肉眼中反映为平均亮度，它是由光谱的亮度来决定，一般灰度值在128附近人眼观看效果最好，标准差反映灰度距离均值的离散状况，标准差越大，灰度越分散，当所有的灰度值分散状况越均匀，那么这个融合后的图像所包含的信息量越大。
结论：针对无人机多源侦察图像的融合，本文主要研究了几种融合流程中的几种算法，以及在处理过程中的一些融合方法，通过这些实验来对这种技术进行综合质量的评估来考虑是否可以应用到现实[3]。
参考文献：
[1]董作峰，李想，吴蔚.无人机在多传感器的数据融合和校园防火应用[J].海峡科技与产业，2020（02）：38-41.
[2]包西民.无人机图像与卫星遥感影像融合技术研究[J].科学技术创新，2020（04）：80-81.
[3]那晨旭.一种基于图像拼接和图形匹配的数字图像处理技术[J].科技创新与应用，2019（30）：157-158.
关键词：图像融合;无人机;光谱图
引言：随着信息技术、生物技术、新能源技术、互联网技术的不断发展，我国的空中装备也要紧跟时代潮流有所进步。无人机的偵察图像融合技术在目前已经广泛应用到了无人机信息系统领域，本文针对无人机多源侦察图像融合与光学图像的特有性质，结合无人机侦察图像融合的分类、目的、原则以及各种处理流程、方法，同时着重于光波变换的图像融合技术，为无人机多源侦察图像融合提出了综合评价方法。
1无人机多源侦察图像融合概述
1.1融合目的
一般来说，就我国现在的科学技术水平情况，侦察式无人机可以携带很多的设备进行侦察作业，比如说在进行侦察任务中可以携带可见光CCD、红外线CCD以及合成孔径雷达设备SAR等，这些设备生成的图像一般都有自己的原理，互相都不一样，同时在无人机进行飞行的时候，无人机主要是通过热辐射进行作业，容易受到外界环境因素干扰。同时，无人机在电磁场环境复杂、无人机飞行速度较快、飞行高度较高且距离拍摄目标较远时，无人机拍摄到的序列图像和平时在地面上所获得的图像相比是有很大程度上的区别的，拍摄出来的图片像素极小，很难看得清楚，出于这种原因，为了提高目标空间的分辨度以及目标特征强度、目标分类识别的精度实现信息互补，所以就有了无人机多源侦察图像融合技术。
提高目标空间的分辨度，举个例子来解释就是将美国地球资源卫星Landsat-ETM6与ETM的其他波段进行图像的融合，这样的做法可以提高ETM6的空间分辨度，使观测结果更加准确，加强目标特征，这主要是将微波与物理性质特征完全不一样的两种光学传感器的观测数据融合，使得原来没有发现的特征显现出来。目标分类识别的精度主要是指，每一张图像的拍摄都会或多或少地受到周围环境以及观测设备成像范围地限制，不能全面地反映信息，而多源图像的融合这种技术手段就可以很好地避免这一缺点，增大成像的范围。
1.2融合原则
图像融合是以图像为研究对象而进行的数据融合处理，它是将同一景物的不同波段或来自至少两个或者是两个以上的观测设备向不同传感器发出的图像处理，主要可以消除不同传感器之间可能存在的冗余和矛盾，实现了信息的互补功能。同时可以对目标观察物进行详细彻底的观察，降低不确定性，可以在一幅图像中展现更多的所需要的图像信息，加强人类对于未知的探索。除此之外，为了将图像更好地进行融合，我们可以把传感器获得的信息分为两种类型，一种是冗余信息，一种是互补信息，这使得信息来源更精确、更完整、更可靠，并且同时它也扩大了各种类别信息的使用范围与观察范围，这种技术不是简单地将两种图像进行叠加，它是有原则有规律地将两种不同事物的观察结果进行合理的融合，为研究者提供更有价值的图像信息，达到1+1=2或是1+1>2的效果。最重要的是我们要在多源图像融合时，牢牢地记住冗余性、时限性、互补性和低成本性这四种原则，使图像信息更加准确、实现最大的经济效益和性价比。
2无人机多源侦察图像融合方法
2.1图像融合流程
图像融合流程举个例子来讲就是将无人机接收到的光谱分辨率较高但空间分辨率较低的多光谱图和光谱分辨率较低但空间分辨率较高的全色光谱图进行图像融合，互相弥补缺点，发挥优点。二者融合后不论是光谱分辨率还是空间分辨率都会呈现一个较高的状态，具有很高的细节表现力。简单来说图像融合流程就是对不同传感器所获取的图像进行数据方面的融合，预处理。那么在预处理的过程中主要是通过将无人机拍摄到的几张图像在系统中进行几何处理去噪之后将已经除去噪点的两张图像进行图像匹配，找到两张图像合适的部分进行系统匹配工作，在这之后将匹配好的图像进行融合。这里面值得注意是，我们在图像进行融合的过程中要注意采用什么样的融合规则，主要有四条冗余性、时限性、互补性和低成本性四种原则，经过融合后的图像将进入应用层，在应用层系统将对融合后的结果进行综合性质的评估。
在整个图像融合流程前，我们必须事先对融合系统的方案进行设计，这是所有图像融合之前都必须要做的工作。这里我们以某单位开发的Code Composer Studio 软件为例，它就是将Reference Frameworks5 中的基本元素和CCS/BIOS 的各种应用作为对象，以此为基础搭建多源图像融合信息系统软件的框架，接着运用三种算法，分别为图像预处理算法、图像融合算法以及输出算法三种，我们用Y来表示预处理算法，F来表示融合算法，O来表示输出算法。以上这三种算法都遵循eXpressDSP兼容算法标准XDAIS，都可由C语言程序来进行编写。
2.2图像融合处理
对于无人机侦察图像的融合处理，要根据本身的融合目标和层次来进行融合算法的选择，只有将互相匹配的图像进行融合，我们所得到的结果才会准确合理。在侦察图像处理融合的层次上面可以分成三个层次，像素级、特征级和决策级三种。首先解释一下像素级，这种融合是将图像直接在未经过任何处理的原始数据层上进行图像融合，主要优势就是在于它能最大程度的保留原始的现场数据，提供给系统更加准确、全面、可靠的数据信息。虽然像素级融合属于最低层次的图像融合，它是我们在实际应用中使用最广泛的图像融合手法。第二种就是特征级图像融合，这种技术首先它是对收到的图像信息做了一个简单的处理，它将来自各个不同传感器的信息进行特征提取，之后将提取出来的特征进行分析并加以区分。这种方法的优点主要是实现了信息的压缩化处理，减少图像信息所占用的空间。最后一种是决策级图像融合，它是这三种图像融合层次中最高级的一种融合形式，融合结果直接为指挥者提供决策依据，这一层次极为重要，在这一层的融合中，它与前两种都不同的是，它是先将每一张图像都进行数据分析，然后在对其进行相关的处理，最后再进行融合[1]。
2.3实验结果分析
在最后的实验结果分析中，无人机侦察图像融合算法的准确性是评判最后实验结果质量好坏的关键程序。对于实验结果分析的方法有两种，一种是主观评价法，另一种是客观评价法。
主观评价法，就是人们用肉眼对融合后图像进行主观上的判断，这种方法受外界环境影响比较大，同时不同的观察者，不同的图像类别对最后的结果也会有很大的影响，从理论上来讲，这种方法参加的人越多越好[2]。
客观评价法就是运用一些方差、均值、相关系数来对结果做出客观的评价，那么以均值和方差两个系数来看即M ×N 的图像f（i，j）均值和标准差的计算公式：
均值是指整个图像的灰度的算数平均值，在肉眼中反映为平均亮度，它是由光谱的亮度来决定，一般灰度值在128附近人眼观看效果最好，标准差反映灰度距离均值的离散状况，标准差越大，灰度越分散，当所有的灰度值分散状况越均匀，那么这个融合后的图像所包含的信息量越大。
结论：针对无人机多源侦察图像的融合，本文主要研究了几种融合流程中的几种算法，以及在处理过程中的一些融合方法，通过这些实验来对这种技术进行综合质量的评估来考虑是否可以应用到现实[3]。
参考文献：
[1]董作峰，李想，吴蔚.无人机在多传感器的数据融合和校园防火应用[J].海峡科技与产业，2020（02）：38-41.
[2]包西民.无人机图像与卫星遥感影像融合技术研究[J].科学技术创新，2020（04）：80-81.
[3]那晨旭.一种基于图像拼接和图形匹配的数字图像处理技术[J].科技创新与应用，2019（30）：157-158.