基于多属性决策的融合质量评价方法研究(2)
对于融合算法，根据融合的层次的不同，图象的融合通常可分为三个方向：即像素级融合(Pixd-level)、特征级融合(Feature-level)和决策级融合(Decision-level)。鉴于图象融合技术应用前景, 该领域已经成为近些年研究热点, 各种用于图象融合的算法、模型不断涌现. 因此, 如何有效地评估融合图象的质量成为亟待解决的课题.
作为衡量图像融合算法效果的重要手段，图像融合质量的评价必不可少，而且对于算法改进具有非常深远的参考价值，融合图像评价方法主要分为主观、客观评价两种，主观评价的过程简单直接，主要依靠人的主观视觉感受。根据图像的质量，最终划分为5个质量等级，但是这种方式过分依赖于人的视觉感知，在处理数量比较大的图像时过程繁杂而且浪费时间，同时还有以下3点比较突出的缺陷：
（1）主观评价的结果在产生过程中容易受到外在客观环境的影响，受环境的影响干扰较大，例如人与图像之间的距离、现场的光线等。
（2）当观察者面对的两幅图像之间只存在细微的差别时，那么通过的主观肉眼则很难区分出图像详细信息质量的优劣。因此在此类情况下，人为主观评价不能够对融合算法的选择提供改进的帮助。
（3）当图像数据量比较大时，主观评价需要投入的代价很大，需要投入很多的人力财力，而且相对而言速度慢，不利于操作。
为了弥补主观上的缺陷，人们常采用客观评价方式。图像的客观评价主要是通过数学算法公式以一些MATLAB软件等将质量的评价通过量化的指标数值，以最大的可能性去贴近人类视觉系统，从而可以量化和更加准确的考量一幅图像质量情况。
为了在实际应用中，针对不同需求和运用方面，融合算法和系统能够有更好的适用性和选择性，融合质量的客观评价的钻研对于算法和图像质量研究有着举足轻重的意义和作用。
1.2 国内外研究现状
1.3 课题主要研究内容
现下涉及融合质量评价主要集中于定性和单一要素间，具体研究应用中存在一些不足和缺陷，在这种情况下，本课题要去研究的主要内容如下：
（1）在掌握了几类基本的融合算法，将可见光和红外图像进行有效融合，并且研究MATLAB语言实现各种图像融合的定量评价指标；
（2）结合SPSS分析软件对融合后的灰度图像进行相关性的分析研究，最终对相关性分析后的客观评价指标，以相关性强的规划入一类，为同类指标；将相异性比较高，相对相关性差的划分为一类，为类间指标。
最终将以多属性决策理论为基础，重点结合AHP和TOPSIS理论，将类间指标进行归类，分析它们的适用范围，对比分析整理后构建一个基本的灰度融合图像的质量评价体系。
2 图像融合算法和融合评价方法
2.1 图像融合算法
在融合算法领域，近些年来随着融合算法技术的发展，根据融合的层次的不同，图像的融合通常可分为三个方向：即像素级融合(Pixd-level)、特征级融合(Feature-level)和决策级融合(Decision-level)。在此次课题研究中，主要运用的是像素级融合层次的算法。一般情况下，像素级图像融合的方式特点可以描述为如下几点：
（1）质像信息量最大程度减少加入；
（2）互补信息应极多引入到融合图像中；
（3）一定条件下可以通过在线处理来契合一些融合算法的实时性；
（4）融合图像应含有来自不同源图像里面的有用信息。
通过对近些年来国内外研究现状的总结，对于像素级层次的图像融合算法可以由以下两大类组成：图像融合是基于空间域的和图像融合是基于变换域的。对于空间域上融合算法，是直接处理图像的像素灰度空间，例如简单加权方法、主成分分析法（PCA）和以HVS(HumanVision System)为基准的图像融合方法；而对于变换域上融合算法，融合后多源图像通过变换方式可以求得各个分解后的指标值，后面可以以一些融合准则将指标值重组，最终经过后续相似操作得到结果。在基于变换域上的融合算法中，塔式分解法和小波变换法比较常见。其中对于塔式分解，它的分层式融合结构方法的能够很好地突出图像当中重要的细节和特征信息，同时塔式分解方式属于冗余分解，各个层次间的信息数据是相关的，这对于后续的进一步分析理解有着很好的效果和有利作用。而对于小波变换，同样也是在各个分解层独立进行融合处理，在时域和频域局部化的分布过程中具有很好的特性，但是小波变换区别于塔式分解，它是有方向性，非冗余的分解过程、通过分解式的融合过程可以将一些高频的图像信息进行保留，在得到更好的融合效果之后，同样也能很好地适应人的视觉特性。
上一篇：MIMO技术研究+文献综述
下一篇：宽带电磁散射的快速扫频分析技术