1、圖像融合技術(shù),一種特殊的數(shù)據(jù)融合,致力于提取多個(gè)圖像傳感器中的有效信息,減少數(shù)據(jù)量,利用互補(bǔ)信息提高信號(hào)的信噪比,獲得更全面更細(xì)致的場(chǎng)景信息。因此,研究如何從若干圖像傳感器中合成高質(zhì)量的圖片或者獲得有效信息具有重大的意義,然而在融合圖像之前,不同傳感器下獲得的圖像之間存在著幾何變換,需要經(jīng)過圖像配準(zhǔn)來消除這種差異,所以在研究圖像融合算法的同時(shí),如何精確配準(zhǔn)圖像也是十分重要的一個(gè)課題。本文主要的研究?jī)?nèi)容分為以下幾個(gè)方面:
　　(1)

2、研究了圖像配準(zhǔn)前的一些預(yù)處理工作,主要包含兩部分內(nèi)容,第一部分是改善待配準(zhǔn)圖像的質(zhì)量以便于特征的提取,第二部分是提取待配準(zhǔn)圖像中目標(biāo)區(qū)域的輪廓作為特征集合。首先調(diào)整圖像的對(duì)比度,使其灰度分布更加集中,然后利用色彩分割原理得到目標(biāo)區(qū)域,再考慮使用形態(tài)學(xué)開操作去除區(qū)域外的離散噪聲點(diǎn)并填充區(qū)域中的空洞,最后設(shè)定閾值,剔除小面積的噪聲區(qū)域,利用形態(tài)學(xué)操作提取區(qū)域輪廓作為特征點(diǎn)集合。
　　(2)提出了一種解決圖像配準(zhǔn)問題的方案。配準(zhǔn)算法以高

3、斯分布的混合模型為核心。模型的建立是基于給定的特征點(diǎn)集,所以要想建立混合高斯模型則必須從圖像中提取出合適的特征點(diǎn)。研究了四種提取特征點(diǎn)的算子,分別是canny角點(diǎn)檢測(cè)算子、Harris-laplace檢測(cè)算子、SIFT算子以及輪廓形狀描述算子,分別建立混合高斯模型,優(yōu)化模型間的L2距離,估計(jì)得到幾何變換矩陣,比較實(shí)驗(yàn)結(jié)果。
　　(3)研究了可見光圖像和紅外圖像的融合算法。首先介紹了基于小波變換、空間頻率、拉普拉斯金字塔、主成份分析