MATLAB双谱图像融合技术研究仿真(4)
（2）特征级图像融合
特征级图像融合是对从各个不同的成像传感器中获取得源图像进行各自特征提取，例如纹理、形状、边缘、角、轮廓、亮度相似区等，然后将提取出来的特征综合在一起得到一个特征空间，对特征信息进行综合分析处理。经过特征级融合得到的特征空间所包含的数据量要比融合前原图像中包含的数据量要少得多，大大提高了数据处理和传输效率，所以特征级图像融合的优点在于实现了信息压缩，计算量小，只需处理提取出的图像特征，有利于实时处理；缺点是难以避免信息丢失，图像的细节信息不足。特征级图像融合处于像素级与决策级之间层次，它可以为决策级图像融合做准备。
（3）决策级图像融合
决策级图像融合是最高层次的图像融合，它指的是对从两幅或多幅图像中得到的信息进行统计推理或逻辑推理的过程。对于涉及到图像的不同区域或是图像信息的表示形式有着很大差异的情况，通常只能采用决策级融合方法。决策级图像融合首先也要对图像的特征进行提取，然后运用判决准则对图像特征进行判断、分类，最后根据一定的融合准则将分类后的信息进行融合，各传感器提供的信息、系统先验信息或环境模型都可以用来作为融合的决策，最后获得最优融合结果。其优点在于，相比其它两个层次，决策级融合中的数据量最少，对传输和数据处理的要求最低。缺点在于，由于决策级图像融是在对图像理解的基础上进行融合，对于特征提取和图像预处理的要求较高，所以进行决策级融合对于整个系统的性能要求也最高。
虽然图像融合分为三个级别不同的层次，但是各层次的融合在实际应用中并不是绝对分开的，三个层次的融合往往可交错的进行，需要根据具体的情况选择最佳的融合方式。图像融合的各个层次及过程如图2.2所示：
2.3 图像融合预处理
实际应用中，各种成像传感器所成的图像通常会因为各种原因而存在着噪声、畸变及空间位置上的位移等。所以在进行图像融合之前，有必要对原图像进行预处理工作，预处理结果的好坏能直接影响融合图像的质量。图像的预处理主要包括图像校正、去噪、增强以及配准。
1．图像校正
所谓的图像校正就是指消除具有畸变的图像中的畸变的过程，它可以分为几何校正和辐射校正两种。消除几何畸变的校正称为几何校正，而消除辐射量失真的校正则称为辐射校正。辐射量校正包括由遥感器的灵敏度特性为起因的畸变校正，由太阳高度及地形等为起因的畸变校正和大气校正等。图像的几何畸变可以表示为地图坐标系中的目标地物坐标与图像上各像素元的位置坐标之间的差异，所以图像的几何校正也就是定量的确定图像上的像原坐标与目标物的地理坐标的对应关系。
2．图像去噪
一般来说，从图像传感器所获的图像都带有某种类型的噪声，噪声与图像传感器的分辨率、环境状况有关，在处理前进行滤波有利于提高数据质量，也可以减少后续处理中的错误。
噪声在图像中表现为灰度突变点，采用平滑处理可以降低图像灰度突变等级，使噪声看起来不明显，从而达到滤波的效果。图像的平滑处理可分为空间域和频率域，目前，对图像的噪声滤除以及平滑处理主要分为两大类，一是全局处理技术，即对图像的整体或大的块进行校正，以得到平滑的图像。在变换域中使用的Wiener滤波、最小二乘滤波和应用一文或二文Kalman滤波等技术都是属于图像的全局平滑处理技术。全局平滑处理技术需要确定图像的统计模型，因此计算量很大且时间费用很高，而图像的统计模型又不能事先确定或者不可能用简单的随机过程来精确地描述。另一类采用局部算子技术的图像平滑处理技术，其计算效率较高，时间费用相对较小。常采用的图像局部平滑处理技术主要有以下几种方法：灰度最相近K个邻点平均法、灰度加权平滑、最大均匀性平滑、中值滤波、局部统计滤波、S滤波以及K-D滤波。这些局部平滑处理技术对图像的平滑及噪声滤除都具有各自的优势。
下一篇：生理无线传感器网络技术研究