图像融合分类根据图像表征层次的不同,图像融合可分为三个层次的融合:像素级融合、特征级融合和决策级融合。图像融合的:1.图像增强,提高图像分辨率和清晰度;2.增强图像的相关特征;3.相互补充相关信息,去除噪声和冗余;4.提高目标检测的额识别能力;5.获得完整的三维重构数据。 像素级的图像融合像素级融合:直接对个幅图像的像素点进行融合信息综合的过程。
特征级图像融合特征级融合:对图像进行特征抽取,将边缘、形状、轮廓、局部特征等信息进行综合处理的过程。特征级图像融合是对图像进行特征抽取后,将边缘、形状、轮廓、局部特征等信息进行综合处理的过程。特征级融合包括:目标状态信息融合,目标特征性融合。特征级融合包含的几个模块:源图像的获取,图像的预处理,图像分割,特征提取,特征数据融合及目标识别。图像的特征是一种代价处理,降低了数据量,保留了大部分信息,仍损失部分细节信息。原始特征的组合形成特征,增加特征维数,提高目标的是被准确率。特征向量可以直接融合也可以根据特征本身的属性进行重新组合,边缘,形状、轮廓灯都是描述特征的重要参数,他们的几何变换也具有一定的特征属性。 目标状态特征融合 决策级图像融合决策级融合:在每种传感器独立完成决策或分类的基础上,将多个传感器的识别结果进行融合做出全局的最优决策。决策级融合根据一定的规则对提取特征和识别后的源图像决策综合,获得融合图像。决策的输入是对目标的认识框架。认识框架是通过同质异质传感器观测同一场景的目标,经过预处理、特征提取、识别的基本处理后形成的。对该框架通过最优化决策得到融合结果。决策级是趋向智能逻辑的,综合多传感器的识别结果比单一识别更精准,更有效。但多传感器的数据同时也增加了误差和风险,每一传感器的可能的错误都会传递到决策层,决策函数的容错能力直接影响融合分类性能。
|
|