基于单一连贯的图像融合方法从多个想象传感器组成

文摘

开发新的成像传感器出现需要图像处理技术,可以有效地融合来自不同传感器的图像解释成一个连贯的成分。为了利用固有的冗余和扩展覆盖多个传感器,我们提出一个像素级图像融合的多尺度方法。最终的目标是减少人类/机器错误检测和识别的对象。结果表明,提出的方法比传统方法有很多优越。

关键字

形象,连贯、传感器、融合方法

介绍

在过去的二十年里,各种各样的进行像素级图像融合算法。这些技术可分为线性叠加,逻辑滤波器(1,数学形态学2)、图像代数(3),人工神经网络(4),和模拟退火5)方法。这些算法主要关注的融合图像显示新的信息对单个传感器特性,无法感知图像。然而,一些有用的信息已经丢弃因为每个融合方案倾向于强调图像的不同属性。Ref。5这些技术提供了一个详细的审查。灵感来自这样一个事实,人类视觉系统处理和分析图像信息在不同的尺度上,研究人员最近提出了一种基于多尺度融合方法被广泛接受作为图像融合的最有效的技术之一。小波多尺度分析理论发挥了尤其重要的作用。的论文数量(3- - - - - -5)解决了基于正交小波变换的融合算法。最近的一个主要缺点追求小波融合算法由于缺乏良好的融合方案。大多数融合规则到目前为止提出的在本质上或多或少类似于“选择马克斯”计划提出的(2),引入了大量的高频噪声融合后的小波系数由于突然的转变,这是最大的来源。这种高频噪声尤其不可取的视觉感知。节合成孔径雷达(ISAR)是一种微波成像系统能产生高分辨率图像从数据收集到一个相对较小的天线。测量可以解释spotlight SAR。获得spotlight SAR的雷达天线不断跟踪一个特定感兴趣的目标区域。相同的数据将被收集如果雷达静止和旋转目标区域。旋转目标相对于雷达用于生成目标图像。这正是ISAR的想法。

材料和方法

在本文中,我们应用双正交小波变换的像素级图像融合。可以构造光滑的双正交小波的紧凑支持对称或反对称。异常的Haar小波,它已经表明,对称构造正交小波是不可能的。对称或反对称小波合成完美重建滤波器具有线性相位。这是一个理想的属性对于图像融合应用程序。与“选择马克斯”类型的选择规则,我们提出一个信息理论融合方案。对源图像的每个像素,组成的一个向量小波系数在尺度上形成像素位置来表示像素的“活动”。我们这些指标向量表示源图像中的所有像素作为其活动的地图。活动之间作出一个合理的比较指标向量,我们应用新提议的散度测量中,詹森散度,定义的熵。对象的几何描述可以分解为登记和形状信息。 For example, an object’s location, rotation and size could be the registration information and the geometrical information that remains is the shape of the object. An object’s shape is invariant under registration transformations and two objects have the same shape if they can be registered to match exactly. The pioneers of this topic of general shape and registration. Inverse Synthetic Aperture Radar System transmits electro-magnetic waves to a target and coherently integrates the returned signals to synthesize the effect of a larger aperture array. The spatial distribution of the reflectivity density of a target, referred to as the image of the target, is usually mapped onto a range-azimuth plain.

结果

大多数现有的去噪方法或信号增强小波框架通常依赖于正态分布的假设和独立的扰动。在实践中,这种假设往往是违反了,有时,甚至一个概率分布的先验信息噪声过程的不可用。放松这个假设,我们提出一种新颖的非线性滤波技术。是项目的关键理念噪声信号在小波域和抑制小波系数的面具源自其曲率极值在尺度空间表示。分段光滑的信号,它可以表明,过滤这个曲率面具相当于保留信号点态。年长的指数在奇异点和提高其平滑所有剩余的点。像素级图像融合的多尺度方法像素级图像融合是指信息的处理和协同组合各种成像来源提供更好的理解一个场景。我们制定了图像融合作为一个优化问题,提出一个信息理论方法在多尺度框架来解决这个问题。图1显示了詹森散度β的函数。每个源图像的双正交小波变换计算,和新融合算法Jensen散度适用于构建一个综合的小波系数根据测量信息的源图像的固有模式。实验结果的融合多传感器导航图像、多模医学图像,多光谱遥感图像和multi-focus提出了光学图像来说明我们提出的融合方案。ISAR图像代表反射率大小与照明相关的目标。术语的雷达信号处理、雷达视线的方向被称为范围和方向正交的范围称为横向距离或方位。范围是由测量时间传输信号之间的往返旅行距离雷达和目标。雷达的能力来确定特定的范围在附近其他散射体散射取决于距离分辨率。目标反射率密度是频率的函数和视角,并假设它不发生显著的变化在传输信号的带宽,这被认为是狭窄的载波频率相比,或在狭窄的乐队。

结论

对象的几何描述可以分解为登记和形状信息。的目标形状识别是识别一个形状无论其注册信息。我们描述两种构型的匹配使用回归技术,建立联系与一般形状空间和普罗克汝斯忒斯之距离。特别是,我们研究了广义匹配估计在欧几里得和仿射空间形状。仿真结果表明,通过平均形状匹配比直接匹配的目标形状更健壮。

引用

1. Cakir HJ Khorram年代,戴XL,德Fraipont p .合并xs和sar图像采用小波变换法来提高分类精度。雪茄烟的99程序。1999;1:71 - 73。
2. PJ伯特。梯度金字塔模式选择性融合的基础,“Proc.信息显示社会的会议,1992。
3. 文森特•L Soille p .流域在数字空间:一个有效的算法基于浸模拟,“IEEE反式。模式分析和机器智能。1991;13 (6):583 - 598。
4. Pavlidis T, Liow y积分区域生长和边缘检测。IEEE反式。模式分析和机器智能。1990;12 (3):225 - 233。
5. Sedghi t一个快速和有效的循环模型分析及其在分类中的应用。阿拉伯J Sci Eng。2012; 38。