基于证据理论的图像融合新算法及应用

图像融合是图像理解和计算机视觉领域中一项重要而有用的新技术。由于利用了来自多传感器的多源图像,所以,融合后图像比任何单一源图像都更全面、更准确。融合图像更符合人和机器的视觉特征,更有利于诸如目标识别、特征提取等进一步的图像处理,因此成为近年来的研究热点。 本文在证据理论的基础上,提出了一种用证据理论结合模糊测度进行图像融合的新算法。证据理论是一种应用广泛的数据融合方法,但证据理论在图像融合应用中存在一些难点。首先是基本概率赋值的获取是比较困难的一个环节,而且这一环节直接影响最后的融合性能,是证据理论中的关键问题。其次是证据理论的计算复杂度随推理步骤的增加成指数增长。本文算法较好的解决了这两方面的问题,该算法采用模糊聚类算法对图像进行聚类分析,并利用启发式最小二乘算法对模糊测度进行计算,从而确定证据理论的mass函数,降低了参数辨识的复杂度,有效地解决了证据理论应用中基本概率赋值如何确定的难题。 本文算法应用到多相流流型识别中,对不同源传感器重构图像进行了融合实验,取得了比较好的实验结果。