摘要
在已获得对同一目标场景的多个传感器观测图像的情况下,本文建立了一种基于概率模型的多尺度图像信息融合算法.其基本思想是:首先对每个传感器图像分别进行小波包多尺度分解变换,建立基于该传感器图像的塔式结构子图像集,并且在每个尺度上得到基于每个子图像像素的概率模型;然后在每个尺度上的对应像素处,基于来自不同传感器图像的多个对应像素值,利用最小二乘规则对多尺度概率模型中的参数进行估计;再后是根据贝叶斯规则对该像素处的像素值进行融合估计;最后通过利用小波包多尺度逆变换,获得目标场景基于多个传感器图像的融合估计结果.应用该算法我们对获得的可见光和红外两种传感器图像进行计算机仿真实验,结果表明,与相关的方法相比新算法更有效.
While there are multiple images obtained by different sensors to measure the same object scene, one new multiscale image fusion algorithm based on probabilisfic model is proposed. Its elementary idea is：Firstly,to decompose each sensor image into multiple subimages which compose a multiscale pyramid via wavelet packet transform, and to estabfish pixel-based subimage model on every level in the pyramid. Secondly, estimate the model parameters using least squares method based on the corresoinding pixel of each level of the sensor image. Then, based on the model, derive estimation of the true scene using maximum posterior method.Finally, we may obtain global fusion estimate with the object scene by applying orderly inverse wavelet packet transformation to every local fusion estimate fi＇om each level of the pyramid. The result of fusing the visible image and infrared image shows that the proposed algorithm is valid.
出处
《电子学报》
EI
CAS
CSCD
北大核心
2008年第5期840-847,共8页
Acta Electronica Sinica
基金
国家自然科学基金(No.60434020,No.60572051)
浙江省教育厅科技计划(No.20050530)
关键词
小波包多尺度变换
概率模型
最小二乘
最大后验估计
wavelet packet transform
probabilistic model
least squares
maximam a posteriori estimate
作者简介
文成林 男，1963年生于河南省，博士、教授、博士生指导教师．主要研究方向为：多尺度估计理论及其应用、信号处理与数据融合技术及应用、动态系统建模理论及其应用技术．先后主持国家自然科学基金面上项目3项，（联合）主持国家自然科学基金重点项目1项，省部级重点项目4项；已发表学术论文80余篇，出版学术专著3部．E—mail：wencl@hdu．edu．cn
郭超 女，1981年生，河南大学计算机与信息工程学院硕士研究生，研究方向为信号及图像处理．参与导师主持的国家自然科学基金和蕈点基金等项目的研究，已取得多项研究成果，完成论文3篇．E—mail：gracieguo@hdu．edu．cn
高敬礼 男，1980年生，河南大学计算机与信息工程学院硕土研究生．研究方向为模式识别及图像处理．参与导师主持的国家自然科学基金和重点基金等项目的研究，完成论文2篇．E—mail：gaojinli@hdu．edu．cn
