合图像
[7]
,这幅图像具有多幅图像的优点,内容更加丰富 。近几年来,它已成
为我国的研究热点,与其相关的科研成果不断增加。
多传感器数据融合的基本原理就像人脑综合处理信息一样,充分利用多个
传感器资源,通过对这些传感器及其观测信息的合理支配和使用,把多个传感器
在空间或时间上的冗余或互补信息依据某种准则进行组合,以获得被测对象的
一致性解释或描述
[2]
。
2.2 图像融合预处理
2.2.1 图像配准
图像配准是图像融合的一个基础问题。一般情况下,由于图像传感器在获
得图像时会受到各种各样因素(摄像位置、角度等)的影响,所以融合图像一
般情况下都会存在着平移、旋转等几何差异,而这种差异很大程度的影响了融
合的质量。20 世纪 80 年代初图像配准技术产生,目前,已成为图像处理方面的
一个关键技术。它已广泛应用于生活的各个方面,例如图像分割、目标识别、
天气预报、资源分析等等。
图像配准,即对不同时间、不同视角或不同传感器拍摄的两幅或多幅图像
进行空间变换处理,使得各图像在几何上能够对应起来
[8]
。图像配准的根本问题
就是寻找合适的数学模型去描述两幅不同图像中的相关像素点的转换关系,而
这两幅图像可能是不同角度、不同视角、不同状态、不同传感器以及不同时间
的同一场景,其要解决的问题是如何构建一种统一的描述模型去探寻各种不同
情况下的图像特征的共性
[9]
。要想进行图像配准,其必须先构建自身的转换模型,
通常包含全局变换和局部变换。全局变换是针对整幅图像而言,图中只通过唯
一的函数式确定其相互关系,但是局部变换首先将其分成许多小区域,然后分
别找寻各自的转换关系。通常用到的变换有刚体变换、仿射变换等等。
2.2.2 图像去噪
由于在图像的采集、量化与传输中,一般情况下均会受到种种因素的影响,
从而使图像中参杂入了噪声,噪声的混入使图像中出现了黑白噪点,从而很大
程度上降低了图像的效果,对其后面的研究造成了不良影响。所以图像去噪是
图像融合的另一个必备的条件。下面详细介绍几种去噪算法。
(1)领域平均法
它是通过使用 box 模板(所以系数均相同)对图像采取卷积(加权叠加)
操作,结果图中某点的像素值与其周围领域的像素点也有关,具体式如下
[10]
:
Iyx
Myxyxf
N
yxg
),(
1,...,2,1,0,),,(
1
),(
(2-1)
式中:g(x,y)---------平滑后图像的灰度值。
f(x,y)----------源图像的灰度值。
I---------以(x,y)为中心的集合。
N---------集合中的总像素点。