面向双模式红外图像可重构融合的结构化算法类集构建研究

摘要

红外偏振与光强成像方式具有较大差异，根据两类成像方式所获得图像具有很强的互补性，融合两类图像可以获得丰富的目标信息，实现对目标的检测、识别与跟踪。在融合图像时，由于融合算法原理不同，对不同差异特征的表征能力也存在差异，只能根据先验知识选择融合算法，导致传统融合模型无法根据红外偏振与光强图像差异特征变化动态选择合适的融合算法，出现了融合模型表现较差甚至失效的状况。为了解决上述问题，本文以双模式红外图像融合算法为研究对象，研究建立面向双模式红外图像可重构融合的结构化算法类集，使可重构融合模型能够根据差异特征变化动态选择合适的融合算法。本文主要研究内容如下: (1)融合算法与差异特征关系分析:通过分析融合算法与差异特征的关系，明确算法类集构建研究所属的融合算法与差异特征的关系类型，简单分析了融合算法的原理和优缺点，总结了双模式红外图像中的差异特征类型并选择评价指标度量，为后面建立算法类集奠定基础。 (2)基于图像差异特征的融合算法类集:从统计检验的角度研究融合算法分类，因弗里德曼检验能有效判断融合算法间的差异性，提出了基于弗里德曼检验的融合算法分类方法，探究结合算法间显著性差异和算法平均秩对融合算法进行分类，使得融合算法与差异特征之间的关系具有统计特性，并建立基于图像差异特征的融合算法类集。 (3)融合算法类集的结构化:分析了融合算法类集结构化的内涵和体现方式，提出基于粗糙集和聚类的融合算法分类方法来实现融合算法类集的结构化。针对不同差异特征组合形式，通过计算粗糙集属性重要度得出不同差异特征权重，利用聚类分析，对加权后平均秩进行聚类，最后建立结构化融合算法类集。 (4)结构化融合算法类集的验证:根据差异特征融合需求从融合算法类集中选择融合算法验证结构化融合算法类集，以满足单类差异特征融合需求验证基于图像差异特征的融合算法类集的有效性，通过选择对差异特征组合融合效果好的融合算法来验证结构化融合算法类集的有效性。