马尔可夫过程解决D-S证据理论冲突的图像融合方法

需积分: 9 0 下载量 61 浏览量 更新于2024-08-11 收藏 1.04MB PDF 举报
"这篇论文是2012年由廖家平、陶靖琦和赵熙临发表在《华中科技大学学报(自然科学版)》上的,属于自然科学领域,主要研究了证据冲突状态下的图像融合技术。该研究受国家自然科学基金等项目的资助。" 在D-S(Dempster-Shafer)证据理论中,当处理存在较大冲突的证据时,传统的融合方法可能会导致结果失效。为解决这一问题,论文提出了一种创新的基于马尔可夫过程的证据冲突处理方法。马尔可夫过程是一种随机过程,它描述了一个系统在未来状态的依赖只与其当前状态有关,而与过去的历史状态无关。在证据融合中,马尔可夫过程可以用来模拟证据状态的变化,以寻找证据间的平衡点或一致性的输出。 论文的核心在于利用最大信息熵原理。信息熵是衡量信息不确定性的度量,最大信息熵原则常用于在有限的信息下做出最不偏倚的决策。在证据冲突的情况下,通过最大化信息熵,可以寻找一个相对公平且无偏见的证据输出,以降低因证据冲突导致的不确定性。 具体实现过程中,当证据间表现出冲突特性时,应用马尔可夫过程的平稳分布来处理这些冲突。平稳分布是指马尔可夫链在长时间运行后达到的一种稳定状态,这种状态下的概率分布不再随时间变化。通过找到这种分布,可以得到冲突证据的一致性输出,从而减少了证据之间的矛盾。 之后,将这个一致性输出与新的或后续的证据进行进一步的融合,以获得更客观、科学的融合结果。论文通过红外序列图像融合的仿真实验验证了所提方法的有效性,结果显示,该融合方法不仅具有良好的收敛性,而且其融合结果优于经典的D-S证据理论。这表明,该方法有助于减少证据融合过程中的人为因素,提高融合的准确性和可靠性。 关键词涵盖了图像融合技术、信息融合、D-S证据理论、马尔可夫过程以及最大信息熵原理,强调了这些概念在解决证据冲突问题中的关键作用。这项研究为证据冲突条件下的信息融合提供了一种新的、有潜力的解决方案,对于提升多源信息融合的性能具有重要意义。