基于证据理论的图像融合新算法及应用

摘要

图像融合是图像理解和计算机视觉领域中一项重要而有用的新技术。由于利用了来自多传感器的多源图像，所以，融合后图像比任何单一源图像都更全面、更准确。融合图像更符合人和机器的视觉特征，更有利于诸如目标识别、特征提取等进一步的图像处理，因此成为近年来的研究热点。 本文在证据理论的基础上，提出了一种用证据理论结合模糊测度进行图像融合的新算法。证据理论是一种应用广泛的数据融合方法，但证据理论在图像融合应用中存在一些难点。首先是基本概率赋值的获取是比较困难的一个环节，而且这一环节直接影响最后的融合性能，是证据理论中的关键问题。其次是证据理论的计算复杂度随推理步骤的增加成指数增长。本文算法较好的解决了这两方面的问题，该算法采用模糊聚类算法对图像进行聚类分析，并利用启发式最小二乘算法对模糊测度进行计算，从而确定证据理论的mass函数，降低了参数辨识的复杂度，有效地解决了证据理论应用中基本概率赋值如何确定的难题。 本文算法应用到多相流流型识别中，对不同源传感器重构图像进行了融合实验，取得了比较好的实验结果。

目录

文摘

英文文摘

声明

第一章 绪论

1.1多源图像融合的国内外发展背景

1.2多源图像融合的研究现状

1.3课题的主要贡献

1.4论文的其它内容安排

第二章 多源图像融合技术的分类和研究内容

2.1图像融合概述

2.2多源图像融合技术的分类及研究内容

2.2.1像素级图像融合

2.2.2特征级图像融合

2.2.3决策级图像融合

第三章 证据理论与Choquet积分

3.1概述

3.2证据理论的基本原理

3.2.1证据理论的基本概念

3.2.2结合多源信息的Dempster准则

3.2.3基本概率赋值的获取

3.3模糊测度与Choquet积分

3.3.1模糊测度

3.3.2 Choquct积分及其主要性质

第四章 基于证据理论的模糊聚类图像融合

4.1模糊理论在图像处理中的应用

4.2聚类分析技术

4.3算法执行步骤

4.3.1模糊聚类算法在图像融聚类中的应用

4.3.2获取基本概率赋值的新方法

第五章 新算法在多相流中的应用

5.1应用的背景

5.2电容层析成像系统和电阻抗层析成像系统

5.2.1电容层析成像系统

5.2.2电阻抗层析成像系统

5.3实验结果与分析

5.3.1模拟实验结果

5.3.2多相流应用

第六章 总结与展望

6.1总结

6.2展望

参考文献

发表论文和参加科研情况说明

致谢