1、圖像融合與識別一直是圖像處理領(lǐng)域的研究熱點。圖像的獲取方式多樣,具有豐富的信息,圖像間的關(guān)系復(fù)雜,通常包含不同的內(nèi)容,也可能包含相同的內(nèi)容,但呈現(xiàn)不同的形態(tài)。本文以多尺度技術(shù)和子空間為基礎(chǔ),結(jié)合機器學(xué)習(xí)算法,研究它們在圖像融合和識別環(huán)節(jié)中應(yīng)用,以提高處理結(jié)果的可靠性和準(zhǔn)確性。
　　結(jié)合分水嶺分割和半監(jiān)督算法,提出了兩種基于局域特征的半監(jiān)督圖像多對象分割。通過空間域多尺度分水嶺分割把圖像分割成若干獨立的封閉區(qū)域,以這些區(qū)域作為基本單

2、元參與分割。在半監(jiān)督聚類分割中,構(gòu)建目標(biāo)函數(shù),提高標(biāo)識數(shù)據(jù)權(quán)值,求解目標(biāo)函數(shù)最優(yōu)解來分割圖像。在Multiwaycut分割中,建立節(jié)點層次圖,構(gòu)建帶權(quán)無向網(wǎng)絡(luò),引入類終端節(jié)點,采用兩個分水嶺分割閾值預(yù)分割圖像,以實現(xiàn)由粗到精的分割。
　　鑒于全局配準(zhǔn)和特征配準(zhǔn)容易導(dǎo)致誤配準(zhǔn)和漏配準(zhǔn),提出了基于SIFT(尺度不變變換)特征點配準(zhǔn)和邊緣配準(zhǔn)的自適應(yīng)局部配準(zhǔn)。擴展SIFT特征點配準(zhǔn),設(shè)計了尺度不變邊緣配準(zhǔn),選取配準(zhǔn)可信度高的候選SIFT

3、特征點和邊緣角點,計算圖像間隱藏的多個變換關(guān)系。該方法對光照、旋轉(zhuǎn)、尺度、噪聲、形變等不敏感,能夠提供更多的配準(zhǔn)信息,并減少錯誤配準(zhǔn)。
　　提出了基于SIFT特征密度的非參考圖像質(zhì)量評估和基于相對特征差分布圖和特征增強趨勢分布圖的圖像融合。大量實驗表明,圖像經(jīng)過經(jīng)鄰域增強、二倍尺寸內(nèi)插值放大后,SIFT特征密度隨著噪聲、模糊和塊效應(yīng)的增大而減小,特征密度能夠準(zhǔn)確地反映圖像的質(zhì)量。圖像的相對特征差分布圖描述了兩幅待融合圖像像素點的局

4、域圖像質(zhì)量差異,根據(jù)差值把圖像分為三類不同區(qū)域,對絕對差值較大的區(qū)域,選取質(zhì)量高的對應(yīng)區(qū)域作為融合結(jié)果,對差值趨于零的區(qū)域,按照特征增強趨勢分布圖融合。特征增強趨勢分布圖的建立基于圖像的配準(zhǔn)SIFT特征點和配準(zhǔn)邊緣,目的是保留更多的配準(zhǔn)信息,描述了圖像像素的取值趨勢。融合方法使得共同信息得到增強,干擾信號得到抑制,能夠獲得更多的有用信息。
　　提出了基于子空間與SIFT的圖像識別與基于增量減量子空間學(xué)習(xí)的圖像識別。子空間識別是一種

5、全局特征識別方法,能夠?qū)崿F(xiàn)圖像的快速識別,但是會忽略圖像的細(xì)節(jié)特征。SIFT識別根據(jù)圖像的細(xì)節(jié)局部特征實現(xiàn)配準(zhǔn),通過特征點配準(zhǔn)投票識別圖像,但不能進行圖像的批量處理,兩者的結(jié)合能夠在保證運算速度的前提下有效提高識別的準(zhǔn)確性。增量減量子空間學(xué)習(xí)解決了樣本庫動態(tài)變化時子空間特征的提取問題,樣本可能增加,也可能減少,不需要對所有樣本重新學(xué)習(xí),以樣本投影方差為標(biāo)準(zhǔn)選擇特征向量,建立近似的增量減量學(xué)習(xí)公式,以提高運行速度、降低特征向量維數(shù)為目的,