第九章 图像融合、数字水印.pptVIP

第九章 图像融合技术、数字水印 一、数据融合 定义 图像融合是一门新兴的学术研究方向，作为信息融合的一个重要分支，是多传感器信息融合中可视信息部分的融合，它将多元信道所采集的关于同一目标的图像经过一定的图像处理，提取各自信道的信息，最后综合成统一图像或综合图像特征以供观察或进一步处理。它是一门综合传感器、图像处理、信号处理、计算机视觉和人工智能等技术的现代高新技术。 应用 军事应用 远程遥感 美国陆地资源卫星LANDSAT是最早投入实际使用的图像融合系统。 广泛采集地球远程遥感图像。1972年 Landsat1 1999年 Landsat7 已采集百万张图像，广泛用于农业，地理学，森林学，教育，地图绘制和全球变革研究。 9.1.1 数据融合的基本原理 （1） 数据级融合 数据级（测量级）融合是直接在采集到的原始数据层上进行的融合，在多源数据未经预处理之前就进行数据的综合和分析，这是最低层次的融合，如在遥感图像处理过程中对来自两个不同特性的图像的加权融合过程，权值Pi，Pj是对某被融合图像i，j需要强调的程度，既可根据经验确定，也可根据相关系数计算。 相关系数的计算公式如下: 假设Am,n，Bm,n代表两幅大小为M×N图像，A0,B0分别代表两幅图像的灰度平均值，相关系数： 这种融合的主要优点是能保持尽可能多的原始数据,提供其它融合层次所不能提供的细微信息具有最高精度。 局限性也是很明显的: 它所要处理的传感器数据量太大,故处理代价高,处理时间长,实时性差；这种融合是在信息的最低层进行的,传感器原始信息的不确定性、不完全性和不稳定性要求在融合时有较高的纠错处理能力； 要求各传感器信息之间具有精确到一个像素的配准精度故要求各传感器信息来自同质传感器；数据通信量较大，抗干扰能力较差。 数据级融合通常用于： 多源图像复合、图像分析和理解；同类（同质）雷达波形的直接合成。 美国海军90年代初在SSN-691潜艇上安装了第一套图像融合样机，它可使操作员在最佳位置上直接观察到各传感器输出的全部图像、图表的数据，同时又可提高整个系统的战术性能。 数据级融合的主要方法有： HIS变换（彩色变换的融合方式） 、PCA变换（主成分分析）、高通滤波法（HPF）和线性加权法以及小波变换融合算法等。 （2） 特征级融合 特征级融合属于中间层次融合，它首先对来传感器的原始信息进行特征提取（特征可以是目的边缘，方向，速度等），产生特征矢量，然后特征矢量进行融合处理。并做出基于融合特征矢的属性说明。一般来说，提取的特征信息应是像信息的充分表示量或充分统计量，然后按特征信息对多传感器数据进行分类、汇集和综合。 特征级融合的优缺点 其优点是实现了可观的信息压缩，有利于实时处理，并且由于所提供的特征直接与决策分析有关，因而融合结果能最大限度地给出决策分析所需要的特征信息。 其缺点是比像元级融合精度差。目前大多数C3I系统的数据融合研究都是在该层次上展开的。 特征级融合可分为两大类，目标状态数据融合和目标特性融合。 特征级目标状态数据融合主要用于多传感器目标跟踪领域。 融合系统首先对传感器数据进行预处理以完成数据校准，然后主要实现参数相关的状态向量估计。 特征级目标特性融合就是特征层联合识别，具体的融合方法仍是模式识别的相应技术，只是在融合前就必须先对特征进行相关处理，把特征向量分类成有意义的组合。 特征级数据融合方法 Dempster-shafer推理法:D-S方法的推理结构，自下而上分成三级： 第一级是更新，用时间上充分独立的来自同一传感器的一组报告，去组合（更新）信息，以减小传感器的随机误差。 第二级是推断，一定的传感器报告以某种可信度在逻辑上产生可信的某些目标报告。 第三级是合成，把来自几个独立传感器的报告合成为一个总的输出，聚类分析：主要用于目标识别和分类。 分析过程可由以上四个基本步骤描述： （1）从观测数据中取出一些样本数据； （2）定义特征交量集合以表征样本中的实体； （3）依照一个相似准则划分数据集； （4）检验分类是否有意义。 贝叶斯估计法：贝叶斯推理在给定一先验似然估计和附加证据条件下。能更新一个假设的似然函数。但该方法需先验知识，且当多个可解的假设和多个条件相关时,显得很复杂。 熵法：作为融合的一种新技术，计算与假设有联系的信息内容的度量值。 （3）决策级融合 决策级融合是一种高层次的融合，它首先对每一数据进行属性说明，然后对其结果加以融合，得到目标或环境的融合属性说明。其结果为指挥控制决策提供依据。 因此，决策级融合必须从具体决策问题的需求出发，充分利用特征级融合所提取的测量对象的各类特征信息，采用适当融合技术来实