图像融合

图像融合(Image fusion)的整体重心是对于目标源信息的信息细节的提取和整合。一般情况下,我们先会对不同传感器取得的各自信息及信号进行一个整合加强过程,例如图像间的配准,图像边缘增强,图像纹理平滑,抑制背景杂波等;然后我们要做的是对于融合层和融合算法的选取,不同的算法处理方式和提取特征信息的方法不同,结果也不尽相同,我们仍需要根据我们需要的要求进行选取。最后是对融合效果的评价,看所得结果是否满足我们的预期要求,如不满足我们应当从新讨论融合层次和算法的选取优化等等,具体划分步骤如下:

1、对于目标探测器的选取。不同的探测器有着各自不同的探测性能,我们需要选取合适的探测器来获取我们想要的信号种类。

2、对于同一目标的多源图像信号的采集。通过传感器进行目标信号采集,采集过程虽然简单,却可也不能轻视,好的采集方法可以获得更优质的信号信息,为后续的信号处理过程打下基础。

3、对于采集信号的预处理。收集到的信号不一定直接就能用,在进行图像融合之前,对采集到的信号进行去噪、增强、配准等预处理,可以大大提高图像的对比度以及分辨率,有助于图像融合效果的进一步提高。

4、图像融合过程。这是整个图像融合最为关键和重要的部分,不同的融合级别有着不同的融合算法以及不同层次的变换域,需要具体情况具体分析对待,以选最合适的融合规则和算法,因为该过程的处理是最为重要的一环。

5、。根据视觉效果以及各项指标进行判断和分析融合结果。

图像融合处理过程的流程框图如下:

不同的层次所进行数据处理的要求和融合算法是不一样的,需要具体问题具体分析,通常我们将图像数据分为三层,融合过程流程图如下:

图像融合层简介:

1、基于像素级的图像融合属于最基本的图像融合技术。这一层主要是直接处理图像的单像素,因为像素级是由源场景的图像最大化描述的。像素级图像融合需要对图像进行预处理,包括图像配准、滤波和增强。像素级图像融合的主要优点是从这一层获得的图像比其他两种图像更快、更快,显示出源和场景信息,大大提高了源图像中包含的有用和详细信息。

2、基于特征层的图像融合是基于不同传感器的图像分析,将有用的信息融合成能展现人们需要的特征,特征层的融合对于多元传感器的选择十分重要,因为需要获取的图像必须有人们需要的特征在里面,再进行算法的图像融合使得特征更加明显,特征的数据更加全面和丰富。如果是实时性的特征融合对于传感器的数据处理能力和数据压缩能力都有很大的要求。

3、对于决策层图像融合所需要做的工作量和工作种类是最大最多的,先是需要对多元传感器所获得的图像进行预处理,再进行特征提取,最后还能做出相应的评判和决策,是图像融合功能最极致却又很难实现的层次。

其他相关算法程序可以看看我的github


我的个人博客主页,欢迎访问

我的CSDN主页,欢迎访问

我的GitHub主页,欢迎访问

最后修改:2020 年 07 月 07 日
如果觉得我的文章对你有用,请随意赞赏