基于集成计算智能的图像信息融合技术研究

摘要

智能图像处理技术是图像处理智能化发展的必然趋势，将能更好地满足人类的信息处理需求。而集成计算智能和图像融合是这一领域中的两项新兴技术。本文在上海市科委重大科研项目(No.03DZ19709)的资助下，对国内外集成计算智能和图像融合的研究现状及发展态势做了全面深入的调研和分析，确立了基于集成计算智能的图像信息融合技术的研究方向，提出了一些新的思想、方法和途径。 一、构造了神经模糊去噪系统。通过对正负噪声信号的自适应聚类修正，最终达到去噪的目的。该方法克服了传统滤波器不能同时去除正负脉冲噪声的弊端，具有良好的适应性和鲁棒性。 二、提出了边缘提取的新思路。基于图像边缘信息模糊性和不可分辨性的实际情况，利用模糊粗集理论处理近似信息的优势，推导了图像边缘信息的模糊粗集定义，最终实现了非刚性图像的边缘提取，从而拓宽了模糊粗集理论的应用范围，也展示了边缘提取的新途径。 三、提出了基于模糊神经网络的图像信息融合方法。针对含噪图像信息的模糊性，构造了用于含噪图像融合的模糊神经网络模型，对含噪图像像素进行了自竞争的模糊聚类，既处理了含噪图像的精确信息，又处理了含噪图像的模糊信息。对比实验及分析显示了该方法优于神经网络法。最后，对实际含噪图像的融合处理，也进一步证明了该方法的实用性和有效性。 四、提出了基于小波神经网络的图像融合方法，实现了信息互补型图像的特征融合。通过构造具有良好的分类和图像识别性能的小波神经网络模型，在网络内部实现能量特征的提取、输入及分类，最终达到了特征融合。实验过程中，通过对小波变换和小波包两种方式的分析与对比，得出了与理论相吻合的结论，即通过小波包法提取图像的特征能取得更好的最终结果。该融合方法体现了一种新的图像融合思想。 五、提出了基于粗神经网络的图像融合方法，从图像信息的近似性及不可分辨性出发，利用粗神经元，实现了三类图像的像素级融合：(1)不同波段的卫星图像；(2)不同聚焦面的图像；(3)不同频段的遥感图像。融合实验和结果验证了该方法的正确性和有效性。在融合实验的过程中，利用MicrosoftVisualFoxPro6.0开发平台，实现了该方法融合过程的界面操作。 本文在基于集成计算智能的图像信息融合技术方面做了一些理论和应用的探索性工作，针对不同的融合对象，尝试了几种自适应性强、智能化处理更接近图像实际的融合方法，将有助于该项技术逐步走向成熟并在未来发挥重要作用。

目录

文摘

英文文摘

论文说明：常用符号及术语缩略表

原创性声明及本论文使用授权说明

第一章绪论

第一节课题的背景和研究的意义

1.1.1图像信息融合概述

1.1.2图像信息融合的研究现状

1.1.3集成计算智能分析

1.1.4基于集成计算智能的图像信息融合分析

1.1.5基于集成计算智能的图像信息融合技术在医学中的应用

第二节论文的研究内容与创新点

1.2.1本文的主要研究内容

1.2.2本文的主要创新点

第二章基于集成计算智能的图像信息融合预处理

第一节基于神经模糊理论的图像去噪

2.1.1引言

2.1.2常规脉冲噪声去除法

2.1.3神经模糊去噪法

第二节基于模糊粗集理论的图像边缘提取

2.2.1模糊粗集的基本理论

2.2.2基于模糊粗集的图像边缘计算原理

2.2.3实验与结果

第三节本章小结

第三章基于模糊神经网络的图像信息融合

第一节模糊神经网络的基本理论

3.1.1模糊神经网络的定义与分类

3.1.2模糊神经网络的结构与学习算法

3.1.3模糊神经网络的训练

第二节模糊神经网络信息融合理论

3.2.1模糊神经网络信息融合原理

3.2.2模糊神经网络信息融合关键技术

第三节基于模糊神经网络的图像信息融合

3.3.1问题的提出

3.3.2用于图像融合的模糊神经网络

3.3.3图像融合

第四节本章小结

第四章基于小波神经网络的图像信息融合

第一节小波神经网络

4.1.1小波神经网络的数学基础

4.1.2小波神经网络的模型

4.1.3小波神经网络的学习算法

第二节基于小波神经网络的图像信息融合

4.2.1小波分解及小波包分解

4.2.2特征向量的计算

4.2.3融合方案

4.2.4实验结果与对比分析

第三节本章小结

第五章基于粗神经网络的图像信息融合

第一节粗神经网络

5.1.1粗神经网络的结构

5.1.2粗神经网络的学习算法

第二节基于粗神经网络的图像信息融合

5.2.1用于图像融合的粗神经网络结构

5.2.2用于图像融合的粗神经网络学习算法

5.2.3图像融合实验结果及分析

第三节本章小结

第六章总结与展望

第一节本文研究总结

第二节本文研究展望

参考文献

攻读博士学位期间发表的论文

致谢