Curvelet基于目标特性的多波段图像融合技术研究(2)
结论 32
致谢 33
参考文献 34
1 引言
1.1 研究的背景及意义
图像融合是20世纪70年代后期提出的新概念，在图像处理领域中属于图像增强的研究范畴。图像融合是在多图像传感器获取信息的场合中将多源信道所采集的关于同一目标图像经过一定的图像的处理，进行综合与提取，从而产生比任何单一图像信息对景物更加精确的描述，有利于图像的进一步分析与处理，进而提供最佳的识别效果[1]。
图像数据融合种类很多，大致可以分为[2]：多聚焦图像的融合、多波段图像的融合、遥感图像的融合、医学图像的融合、雷达与红外图像的融合、雷达与雷达图像的融合等。
图像融合是数据融合的一个重要分支，它在遥感图像处理，目标识别，红外探测，医学图像处理等方面具有广阔的应用前景。例如：在遥感领域，将高空间分辨率的全色图像和光谱信息比较丰富的多光谱图像进行融合，可以得到高空间分辨率和高光谱分辨率的遥感图像，使之更有利于人工判读和计算机识别，提高识别的精度和可靠性；在目标识别领域，由于光学传感器在对某一场景进行成像时，由于场景中不同目标与传感器的距离不同，因此无法将目标区域内的所有目标都聚焦清晰，聚焦了某个目标，另一个目标可能模糊，通过将多副图像进行融合就可以得到一副各个目标都很清晰的图像；在红外探测领域，红外成像传感器是靠探测目标与背景间的热辐射差异来识别目标的，因此具有特殊的识别伪装能力，如能发现隐藏在树林和草丛中的人员、车辆与火炮，尽管红外成像传感器对热目标的探测性能较好，但其对场景的亮度变化不敏感，成像清晰度低，不利于人眼判读，而可见光成像传感器只敏感于目标场景的反射，而与目标场景的热对比度无关，监控侦察的任务不仅是要发现目标，而且应确定目标所在的准确位置，要求获取的图像具有较高的清晰度，可见光成像传感器清晰度较高，能够提供目标所在场景的细节信息，因此红外与可见光图像的融合将有利于综合红外图像较好的目标指示特性和可见光图像的清晰场景信息；在现代医学成像系统的临床诊断中，各种模式的成像能够为医生提供不同的医学信息。CT 骨窗图像骨骼成像清晰，对病症的定位起了良好的参照作用。MRI 图像软组织成像清晰，有利于病症范围的确定。PET 和SPECT 图像显示人体的功能信息，但空间分辨率低，无法做到精确定位。因此可以根据不同模态的图像各自的优缺点，把这些互补信息综合在一起，为医学诊断提供更加充足的信息。9900
由此可见，随着传感器技术的发展以及智能传感器系统的推广，图像融合技术将会得到越来越广泛的应用，同时，信息融合理论的发展也将促使图像融合技术在越来越多的领域发挥其作用。
1.2 应用及发展现状
1.3 本论文研究的主要内容及论文框架
基于目标特性的多波段图像融合的实质是，综合红外图像较好的目标指示特性和可见光图像的清晰场景信息以获取对同一场景的更精确、更全面、更可靠的图像描述。“理想”的图像融合的目标是在不引入失真、不造成信息损失的基础上，将源图像中所有物体对应的清晰区域表现在一幅融合图像中。
论文框架：
第一部分概述图像融和的产生、发展、应用及国内外发展现状；
第二部分为多波段图像融合，主要内容包括多波段图像的成像原理、融合的理论基础、融合的主要方法及评价方法；
第三部分通过学习基于独立分量分析ICA的多波段图像融合算法，设计实现了特征级的多波段图像融合，并在matlab环境下完成了实验仿真结果；