基于改进型D-S证据理论的混合图像滤波.pdfVIP

基于改进型D-S证据理论的混合图像滤波 吴硕 (北京邮电大学，北京 100876) 摘 要：信息融合技术是信息处理与分析的重要方法之一,将此技术与图像处理技术相结合的研究方向 越来越受到人们的关注。D-S 证据理论属于信息融合中的决策层融合，是一种不确定性推理的人工智 能方法。针对混合滤波中，边界点判决准则的单源性所引起的误报风险大、可靠性和容错性差的缺陷， 本论文引入了改进型D-S证据理论。改进型D-S证据理论将边界点判决的两个准则（MTEP准则和 N-P 准则）进行融合，提高了边界点判断的准确性。为图像滤波的技术发展提供了一个新的探索途径。 关键词：混合滤波 信息融合 D-S证据理论 图像滤波 1 引言 在现实世界中, 不确定情况下的决策是十分常见的问题，因此需要将多种信息进行融 合。由此形成了信息融合技术。信息融合技术是综合协调各子源信息，提高和改善信息处理 系统性能的新兴技术。它通过多方位、多角度、多机理的技术处理，减少各子源信息的矛盾 成份，强化共性因素，克服单源性能的局限性，利用子源信息间的竞争性、冗余性和互补性， 有效地整合和管理信息，为决策者的认知过程提供真实、清晰、完整的素材，从而得出高度 准确、可靠的决策信息。信息融合的目的就是通过融合得到比子源更多的信息，协调解决大 量信息激增和单子源性能局限所产生的矛盾，以提高整体效能。如何合理恰当的使用信息融 合技术将成为各个领域研究的热点。 信息融合技术在图像处理领域的应用称为图像融合。在图像领域, 图像融合技术体现 为三个层次：数据层（即像素级）融合，特征层融合和决策层融合。 特征级图像融合属于是利用从各个传感器图像的原始信息中提取的特征信息进行综合 分析及融合处理。特征是从图像像素信息中抽象、提取出来的，用于融合的典型特征信息有 边缘、角、纹理、相似亮度区域等。通过特征级图像融合不仅可以增加从图像中提取特征信 息的可能性，而且还可能获取一些有用的复合特征。 决策级图像融合是在信息表示的最高层次上进行的融合处理。在进行融合处理前，先分 别对从各个传感器获得的图像进行预处理、特征处理、识别或判决，建立对同一目标的初步 判决和结论;然后，对来自各传感器的决策进行相关(配准)处理:最后，进行决策级的融合处 理从而获得最终的联合判决。目前该层次的融合方法较丰富,也较成熟,主要有: 经典统计判 决理论[3] 、贝叶斯推理法[4] 、基于模糊集理论的方法[5] 、基于专家系统理论的方法 [6] 、基于规则的推理方法[7] 、基于粗糙集理论的方法[8] 、D2S证据理论推理法[9] 、 非单调逻辑法[10] 、投票法[11]和模糊积分法等. 数据层（即像素级）融合主要用在多传感器图像分析，如多波段遥感图像的分类；特 征层融合主要用在图像符号化，如基于边缘检测和区域分割的图像分割技术；决策层融合主 1 要用于图像复原多准则判定，图像目标的自动识别研究等。 本文中主要讨论的是基于决策层 D-S 证据理论的信息融合技术。旨在通过决策层图像 融合技术，对图像滤波的边界点判别准则进行评价和决策以此获得最佳的图像滤波效果。 2 混合图像滤波算法 2.1 判决边界点 在进行图像滤波时，对于局部滑动估计窗内的图像，存在两种可能的情形：1) 均匀(非 边界)区域：滑动窗内的像素点灰度值近似相等；2) 边界区域：窗内存在两种灰度值不等的 区域，且边界是突变的[12]。因此，在进行滤波前,为了尽量避免模糊边缘、提高目标分割 的准确性，必须先判别图像中的每个像素点是否为区域边界点。 b b , g b b −