对融合结果进行质量评价,形成具有反馈的系统,从而有利于选择最为合适的融合方式以得到最优的融合结果。最后,将得到的融合结果应用于各种不同的场合。由于像素级图像融合在整个图像融合技术中是最为复杂、实施难度最大的融合,因而本论文重点对它进行探讨和研究。图1-6图像融合一般步骤1.3图像融合技术的发展现状1979年,Daily等人[9]首先把对雷达图像和Landsat-Mss图像的复合图像应用于地质解释,其对图像的处理过程可以看作是最简单的图像融合。1981年,Laner和Todd对Landsat-RBV和Mss图像数据进行了融合试验。到80年代中后期,图像融合技术逐渐开始引起人们的关注,陆续有人将图像融合技术应用于遥感多光谱图像的分析和处理。90年代开始,图像融合技术开始成为遥感图像处理和分析中的研究热点之一。对遥感图像进行融合处理的目的主要有锐化图像、改善几何矫正、色彩矫正、改善分类特性、弥补某种图像中丢失的数据、检测/观测大地环境的变化等等。这个时期人们采用的融合方法主要有IHS变换、平均、加权平均、差分及比率、主分量分析(PCA)、高通滤波等。这些方法在进行融合处理时都不对参加融合的图像进行分解变换,融合处理只是在一个层次上进行。到80年代末,人们才开始将图像融合技术应用于一般图像处理(可见光图像、红外图像等)。90年代后,图像融合技术的研究呈不断上升趋势,应用的领域也遍及遥感图像处理、可见光图像处理、红外图像处理、医学图像处理等。尤其是近几年,多传感器(多源)图像融合技术己成为计算机视觉、自动目标识别、机器人、军事应用等领域的热点研究问题。1.4本文的研究工作本文的研究基于MATLAB的图像融合算法。涉及图像融合前的预处理,滤波去噪和图像配准,采取手动配准获取精准的配准图像,在空域内的像素级图像融合采用简单直接的加权平均法,在频域内的小波变换融合,最后对融合结果进行评价。
全文预览
