基于生成模型的多源圖像融合研究.pdf

1、多源圖像融合是指提取并綜合兩個或多個多源圖像信息，獲得對同一場景或者目標(biāo)更為準(zhǔn)確、全面和可靠的圖像，使之更加適合于人眼感知或者計算機的后續(xù)處理。多源圖像融合在很多領(lǐng)域均有廣泛的應(yīng)用，包括：遙感領(lǐng)域、生物成像領(lǐng)域、無損評價等。圖像配準(zhǔn)是圖像融合的前提，也是圖像融合處理中相當(dāng)關(guān)鍵的一環(huán)。圖像配準(zhǔn)是將不同時間、不同視角、不同設(shè)備獲得的兩幅或更多圖像重疊復(fù)合的過程，它是指在幾何上對齊兩幅或多幅圖像。圖像配準(zhǔn)精度的高低直接影響到融合效果的好壞。<

2、br>　　本文的工作圍繞基于生成模型的多源圖像融合展開,主要研究了多源圖像配準(zhǔn)和多源圖像融合。對于多源圖像配準(zhǔn)，一般采用的方法是將圖像兩兩配準(zhǔn)，這種方法的主要問題是圖像配準(zhǔn)的精度可能會因為選取的參考圖像的不同而有較大影響，而且每次只配準(zhǔn)兩幅圖像會導(dǎo)致效率低，時間開銷大。對于圖像融合，生成模型解釋傳感器圖像、真實場景圖像、傳感器選擇因子、以及傳感器噪聲之間的關(guān)系。傳統(tǒng)求解模型的方法沒有考慮傳感器選擇因子的空間關(guān)聯(lián)性，造成當(dāng)源圖像帶較高噪聲

3、時，融合效果不理想。本文針對多源圖像融合研究中這兩個主要問題進(jìn)行研究，主要創(chuàng)新點和貢獻(xiàn)如下：
　　①提出了一種基于生成模型的多源圖像配準(zhǔn)算法。該算法將多幅多源圖像集成配準(zhǔn)，規(guī)避傳統(tǒng)兩兩配準(zhǔn)算法中存在的選擇依賴和內(nèi)部不一致的問題，并且同時配準(zhǔn)多幅圖像將提高效率，減少時間開銷。采用混合Student’s t模型(Student’s t mixture model, SMM)對多幅多源圖像的聯(lián)合灰度散點圖中的點建立模型并使用期望極大化(

4、expectation maximization, EM)算法迭代求解模型參數(shù)，進(jìn)而求解得到幾何變換參數(shù)以配準(zhǔn)圖像。將本文算法與其他經(jīng)典的圖像配準(zhǔn)算法應(yīng)用到不同數(shù)據(jù)集的配準(zhǔn)中，實驗結(jié)果表明本文算法在不同光照下的人臉圖像數(shù)據(jù)集中配準(zhǔn)精度為1.38pixel,較基于混合高斯模型(Gaussian mixture model, GMM)的算法提高20％;在多模態(tài)phantom數(shù)據(jù)集中配準(zhǔn)精度為1.31pixel，較基于GMM的算法提高了6%.