基于单相干合成的多成像传感器图像融合方法

摘要

新型成像传感器的发展要求图像处理技术能够有效地将来自不同传感器的图像融合成一个连贯的组合以进行解释。为了利用多传感器的固有冗余和扩展覆盖，提出了一种多尺度像素级图像融合方法。最终目标是减少人类/机器在检测和识别物体时的错误。结果表明，该方法与传统方法相比有很大的优越性。

关键字

图像，相干，传感器，融合方法

简介

在过去的二十年里，各种各样的像素级图像融合算法已经被开发出来。这些技术可分为线性叠加、逻辑滤波[1]，数学形态学[2]，图像代数[3.]，人工神经网络[4]，模拟退火[5)方法。这些算法都关注这样一个事实，即融合图像揭示了关于单个传感器图像中无法感知的特征的新信息。然而，由于每种融合方案都倾向于强调图像的不同属性，因此一些有用的信息被丢弃了。Ref。5]提供了这些技术的详细回顾。受人类视觉系统在不同尺度上处理和分析图像信息的启发，研究人员最近提出了一种基于多尺度的图像融合方法，该方法被广泛接受为最有效的图像融合技术之一。小波理论在多尺度分析中发挥了特别重要的作用。多份论文[3.-5提出了基于正交小波变换的融合算法。目前基于小波的融合算法的一个主要缺陷是缺乏良好的融合方案。目前提出的大多数融合规则在本质上或多或少类似于[2]，由于融合小波系数突然切换到源的最大值，引入了大量的高频噪声。这种高频噪声尤其不利于视觉感知。VERSE合成孔径雷达(ISAR)是一种微波成像系统，能够从一个相对较小的天线收集的数据产生高分辨率图像。ISAR可以用spotlight SAR来解释，spotlight SAR是雷达天线不断跟踪特定目标区域而获得的。如果雷达是静止的，而目标区域是旋转的，则将收集相同的数据。利用目标相对于雷达的旋转来生成目标图像。这正是ISAR的理念。

材料与方法

在本文中，我们将双正交小波变换应用于像素级图像融合。可以构造对称或反对称的紧支持光滑双正交小波。除了Haar小波，对称正交小波是不可能构造的。利用具有线性相位的完美重构滤波器合成了对称或反对称小波。这是图像融合应用程序的理想属性。与“选择最大”类型的选择规则不同，我们提出了一种信息论融合方案。对于源图像中的每个像素，形成一个由该像素位置跨尺度的小波系数组成的向量，以表示该像素的“活跃性”。我们将源图像中所有像素的这些指示向量表示为其活动映射。为了在活动指标向量之间进行合理的比较，我们应用了我们新提出的散度度量，詹森散度，它是用熵来定义的。物体的几何描述可以分解为配准信息和形状信息。 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

在基于小波的框架中，大多数现有的去噪或信号增强方法通常依赖于正态分布和独立扰动的假设。在实践中，这一假设经常被违背，有时甚至是噪声过程的概率分布的先验信息是不可用的。为了放松这种假设，本文提出了一种新的非线性滤波技术。该方法的关键思想是将噪声信号投射到小波域中，并利用小波信号曲率极值在尺度空间表示中的掩模来抑制小波系数。对于分段平滑信号，可以证明用这个曲率掩模滤波相当于按点保留信号。在奇异点处使用旧指数，并在所有剩余点处提升其平滑度。像素级图像融合是指将各种成像源收集到的信息进行处理和协同组合，从而更好地理解场景。我们将图像融合问题描述为一个优化问题，并提出了一种多尺度框架下的信息论方法来解决它。图1表示Jensen散度为β的函数。首先计算每个源图像的双正交小波变换，新的融合算法根据源图像固有信息模式的测量，利用Jensen散度构造小波系数的复合。最后给出了多传感器导航图像、多模态医学图像、多光谱遥感图像和多聚焦光学图像的融合实验结果。ISAR图像表示与被照射目标相关的反射率大小。在雷达信号处理术语中，雷达瞄准线方向称为距离，与距离正交的方向称为横向距离或方位角。距离是通过测量发射信号在雷达和目标之间的往返距离所花费的时间来确定的。雷达在其他散射体附近确定特定散射体的距离的能力取决于距离分辨率。目标反射率密度是频率和视角的函数，假设它在传输信号的带宽范围内(与载频相比被认为较窄)或窄带范围内没有显著变化。

结论

物体的几何描述可以分解为配准信息和形状信息。形状识别的目标是识别一个形状，而不考虑其注册信息。我们使用回归技术描述了两个配置的匹配，使一般形状空间和procrustestedistance连接。特别地，我们研究了欧几里得和仿射形状空间中的广义估计匹配。仿真结果表明，通过平均形状进行匹配比直接匹配目标形状具有更强的鲁棒性。

参考文献

1. Cakir HJ, Khorram S, Dai XL, de Fraipont P.利用小波变换方法合并点图像和sar图像以提高分类精度。IGARSS, 1999;1: 71-73。
2. PJ伯特。模式选择融合的梯度金字塔基础，“信息显示学会会议，1992。
3. Vincent L, Soille P.流域在数字空间:基于沉浸模拟的有效算法，“IEEE传输。模式分析与机器智能。1991;13(6):583-598。
4. 刘国强，刘国强。积分区域生长与边缘检测。IEEE反式。模式分析与机器智能。1990;12(3):225-233。
5. 一种快速有效的循环分析模型及其在分类中的应用。中国科学(英文版)2012;