在后面的章节详细进行介绍。6第二章图像融台摄述2.2特征级图像融合特征级图像融合是利用从多个传感器图像的原始信息中提取的特征信息进行综合分析和融合处理。它是中间层次上的融合处理。通过特征级图像融合不仅可以增加从图像中提取特征信惠的可能性,而且还可能获得一些有用的复合特征,复合特征是通过对各特征的综合得到的。特征级图像融合可分为目标状态信息融合和目标特性融合。特征级目标状态信息融合主要应用于多传感器丑标跟踪领域,其融合处理主要实现参数相关和状态矢量估计。特征级目标特性融合就是特征层的联合目标识别,其融合方法中仍然要用到模式识别的相关技术,只是在融合处理前必须对特征迸行相关处理,对特征矢量进行分类与综合。更为重要的是,在模式识别、图像处理和计算机视觉等领域,人们已经对特征提取和基于特征的聚类问题进行了深入的研究,有许多方法可以借鉴。通过特征级的融合可以增加特征检测的精度(例如:可以精确检测目标的姿态),莉用融合后获得的复合特征可以提高检测性能(例如;可以增加对目标的识别能力)。2.3决策级的图像融合决策级的图像融合是在信息表示的最高层次上进行的融合处理。在进行融合处理前,先对各个传感器获得的图像进行了预处理、特征提取、识别或判别,建立了对同一目标的初步判决和结论;然后,对来自各个传感器的决策进行相关(配准)处理;最后进行决策级的融合处理从而获得最终的联合判决。决策级融合是直接针对具体的决策目标,充分利用了来自各图像的初步决策。因此在决策级图像融合中,对图像的配准要求低。多种逻辑推理方法、统计方法、信息论方法等都可用于决策级的图像融合,例如:贝叶斯(Bayesian)推理、D.S(Demsper—Shafer)证据推理、表决法、聚类分析、模板法、模糊集合论、神经网络、熵法等等。决策级图像融合有实时性好,容错性好等优点。2.4三种层次的图像融合性能比较三种层次图像融合的比较如下:7
全文预览
