基于置信规则库的图像融合方法结题报告.docVIP

基于置信规则库的图像融合方法结题报告

一、研究背景与问题提出

在现代信息处理领域，图像融合技术作为多源信息融合的重要分支，旨在将不同传感器或同一传感器在不同条件下获取的图像数据进行整合，生成更具信息量、更能准确反映场景真实特征的融合图像。随着无人机遥感、医学影像诊断、安防监控等应用场景的不断拓展，单一传感器图像往往存在分辨率有限、噪声干扰、信息缺失等固有缺陷，难以满足复杂任务对图像信息完整性和准确性的要求。例如，在无人机航拍场景中，可见光图像具有丰富的纹理和色彩信息，但在低光照或复杂天气条件下容易出现细节模糊；红外热成像图像能够有效捕捉目标的热辐射特征，却缺乏精细的纹理细节。通过图像融合技术将两者结合，既能保留可见光图像的纹理信息，又能突出红外图像中的目标热特征，从而为后续的目标检测、识别与跟踪提供更可靠的数据基础。

传统的图像融合方法主要包括基于多尺度变换的方法、基于稀疏表示的方法以及基于深度学习的方法等。基于多尺度变换的方法，如金字塔变换、小波变换等，通过将图像分解为不同尺度和方向的子带，在不同尺度上进行融合操作，最后通过逆变换得到融合图像。这类方法在一定程度上能够实现图像信息的有效融合，但在处理过程中容易出现边缘模糊、伪影等问题，且融合规则的设计往往依赖于经验，缺乏对图像不确定性信息的有效处理能力。基于稀疏表示的方法利用图像的稀疏性特征，将图像表示为过完备字典中的原子线性组合