多源信息融合软件的设
计与实现
Company number：【0089WT-8898YT-W8CCB-BUUT-202108】
多源信息融合软件的设计与实现
摘要：针对多源信息类型不一致影响信息利用效率的问题，文章在分析传统多源数据融合模型的基础上，研究了多源信息融合软件的架构及相关技术，设计并开发的软件具有较高的实用价值。
关键词：多源信息；信息融合；软件开发
多源信息融合是通过将多种信源在空间上和时间上的互补与冗余信息依据某种优化准则组合起来，产生对特点对象的一致性解释与描述。数据融合技术是指利用计算机对获得的信息，在一定准则下加以自动分析、综合，以完成所需决策和评估任务而进行的信息处理技术。主要包括对各类信息源给出有用信息的采集、传输、综合、过滤、相关及合成，以便辅助人们进行态势/环境判定、规划、探测、验证。
数据格式统一是进行数据处理的前提。由于信息的来源多，数据格式类别差异较大，对于数据处理带来不便。多源信息融合软件能够实现多源异构数据信息整合，对于充分利用信息资源、提高数据处理系统性能具有实用价值。
1 多源数据融合模型
根据对输入信息的抽象或融合输出结果的不同，可以将信息融合分为不同的3级，包括数据级融合、特征级融合及决策级融合。
作为数据级的多源数据融合模型的结构如图1所示。多源数据经过数据清理、数据集成、数据变换，形成有效数据，通过数据处理形成数据挖掘分析等处理工作的有效数据。
数据清理是指去除源数据集中的噪声数据和无关数据，处理遗留数据和清洗脏数据，去除数据域的知识背景上的白噪声，考虑时间顺序和数据变化等。主要包括处理噪声数据，处理空值，纠正不一致数据等。
数据集成就是将多文件或多数据库运行环境中的异构数据进行合并处理，将多个数据源中的数据结合起来存放在一个一致的数据存储中。
数据变换就是将数据变换成统一的适合处理的形式。数据变换主要包括平滑、聚集、属性构造、数据泛化和规范化等内容。
2 多源信息融合软件设计
软件架构
多源信息融合软件的技术要求是实现多源异构数据向指定关系数据库进行可靠转换。就是按照指定关系数据库的表结构要求，实现多源异构数据的数据导入及格式转换问题。软件的组成框图如图2所示。软件主要包括2个主要模块，多源数据预处理模块和数据导入模块。数据预处理模块主要进行数据清理及格式转换，实现常用的数据（txt、xls、关系数据库等数据）转换为目标数据库支持的数据格式。数据导入实现指定类型数据转换为指定结构数据。
关键技术
为了保证多源信息软件的可靠运行，需解决数据类型的适应性和扩展性问题，以及数据转换的可靠性、可预制性、数据转换过程的可监督性问题。
基于模块化设计的类型转换
模块化设计是指在对一定范围内的不同功能或相同功能不同性能、不同规格的产品进行功能分析的基础上，划分并设计出一系列功能模块，通过模块的选择和组合可以构成不同的产品，以满足市场的不同需求的设计方法。
虽然目前主流数据库管理系统都支持数据转换功能，但数据库管理系统支持的数据类型有限，对于新增类型数据，只能通过升级或更换数据库解决。即使对于支持类型的数据，有些情况不能实现正确转换，例如文本文件只能识别典型分隔符（制表符、空格等），不具有按指定分隔符实现转换功能。存在数据库版本问题，高版本数据不能直接转换低版本数据库数据。使用数据库系统的数据转换功能需有管理员权限，但为了保证数据库管理系统安全，不便于开放管理员权限，影响数据转换。
模块化设计思想在类型转换中的运用就是通过建立统一的类型转换输入接口，对于新增类型数据的转换问题，只要将新增类型转换模块按照标准格式定义接口，就能实现新增模块的可靠增加，减少系统二次开发成本，有效提高系统的适应性及扩展性。
多线程编程技术
多线程机制是指在单个程序中同时运行多个线程完成不同的工作，每个线程与其他线程并发执行。多线程适合执行占用大量时间的操作，执行区分不同优先级的任务，能够满足用户界面在将时间分配给后台任务时仍能快速做出响应的需求。
由于需转换的数据量较大，使得数据转换时间较长，如数据不一致或不完整等问题将出现转换中断或数据遗漏等情况，所以及时了解转换进度以及实现异常快速响应对于保证有效转换具有重要意义。
软件采用多线程技术解决数据处理进度、过程可见性以及及时进行异常处理等问题。软件通过实时显示转换进度及转换状态，有利于实现转换进度和状态的有效监督。对于数据转换异常，能够及时终止转换进程或者调整转换策略，保证数据转换的有效性。
基于任务的数据导入
数据预处理获得的数据还需转换为数据处理所需格式的数据，即将转换的源数据可靠导入到指定格式的目的数据表。数据的可靠导入不只是在系统正常运行时保证大量数据的导入，更主要是保证在人为终止、系统故障等情况引起异常的情况下，有效实现断点续导。
基于任务管理的数据导入的思想是将数据导入分成导入任务创建、导入任务管理、导入进度监督、导入异常处理4个部分。其中导入任务创建就是确定源数据表导入字段与目的数据表相关
字段的对应关系；导入任务管理就是实现任务名称，对应关系等任务相关数据源信息管理；导入进度监督就是展示导入任务的完成情况，即通过已导入的数据量与源数据总记录数量的比较，确定任务完成情况，有利于指导后期导入工作；导入异常处理就是根据导入任务异常结束情况，进行无效信息处理，保证有效进行可靠导入。基于任务管理的数据导入，保证了数据导入的完整性和可靠性。 3 软件性能及主要界面
多源信息融合软件能够实现如下功能：（1）实现多源异构数据向指定数据库的数据导入，有效地实现数据集成。（2）实现数据清理及有效信息提取。（3）实现断点续导，提高数据导入的可靠性。（4）方便新增类型数据转换模块添加，提高系统扩展性。
系统的主要工作界面如图3-5所示。
通过设置文本文件的分隔符，实现文本信息的有效分割，方便文本数据向数据库格式转换（见图3）。
利用多线程技术，实时观察及控制数据导入和转换进度，保证可靠运行（见图4）。
任务管理由于确定导入关系，保证导入进程可靠有序实施（见图5）。
4 结语
未经处理的多源异构信息，严重影响数据利用效率。多源信息融合软件运用数据融合思想并结合实际需求，有效解决处理信
息途径庞杂、资源分散、数据处理效率不高的问题，对于提升数据处理能力具有一定的应用价值。
[参考文献]
[1]韩崇昭，朱洪艳，段战胜.多源信息融合[M].北京：清华大学出版社，2006.
[2]何友，薛培信，王国宏.一种新的信息融合功能模型[J].海军航空工程学院学报，2008（3）：241-244.
[3]纪希禹.数据挖掘技术应用实例[M].北京：机械工业出版社，2009.
Design and Implementation of Multi-source Information Integration Software
Zhang Yunfeng， Lu Canju， Li Chao
（Electronic Engineering Institute， Hefei 230037， China）
Abstract： Multi-source information is almost incoherence. This problem affects information utilization. Based on the analysis of multisource information fusion model， information integration software is designed and developed. The software has certain practical value.
Key words： multi-source information； information integration； software development
实验五不同分辨率图像融合 一实验目的 通过本次实验了解图像数据融合的基本原理和基本思路，学会利用ERDAS软件进行不同分辨率图像之间的融合，并对不同数据融合方法进行分析和比较，掌握不同数据融合方法的基本操作。 二实验原理 在遥感中，数据融合属于一种属性融合，它是将同一地区的多源遥感影像数据加以智能化合成，产生比单一信息源更精确、更完全、更可靠的估计和判断。 在ERDAS是指分辨率融合(Resolution Merge)是对不同空间分辨率遥感图像的融合处理，使处理后的遥感图像既具有较好的空间分辨率，又具有多光谱特征，从而达到图像增强的目的。 一般来说，遥感影像的数据融合分为预处理和数据融合两步： 1.预处理：主要包括遥感影像的几何纠正、大气订正、辐射校正及空间配准 （1）几何纠正、大气订正及辐射校正的目的主要在于去处透视收缩、叠掩、阴影等地形因素以及卫星扰动、天气变化、大气散射等随机因素对成像结果一致性的影响； （2）影像空间配准的目的在于消除由不同传感器得到的影像在拍摄角度、时相及分辨率等方面的差异。空间配准的精度一般要求在1~2个像元内。 2.ERDAS软件提供了三种图像融合方法： 1、主成分变换融合(Pinciple Component) 主成分变换融合是建立在图像统计特征基础上的多维线性变换，具有方差信息浓缩、数据量压缩的作用，可以更准确地提示提示多波段数据结构内部的遥感信息，常常是以高分辨率数据替代多波段数据变换以后的第一主成分来达到融合的目的。具体过程是首选对输入的多波段遥感数据进行主成分变换，然后以高空间分辨遥感数据替代变换以后的第一主成分，最后再进行主成分逆变换，生成具有高空间分辨率的多波段融合图像。 2、乘积变换融合(Mutiplicative) 乘积变换融合应用最基本的乘积组合算法直接对两种空间分辨率的遥感数据进地合成，即Bi_new=Bi_m*B_h，其中Bi_new代表融合以后的波段数值(i=1,2,3,..n)，Bi_m表示多波段图像中的任意一个波段数值，B_h代表高分辨率遥感数据。乘积变换是由crippen的4种分析技术演变而来的，cippen研究表明：将一定亮度的图像进行变换处理时，只有乘法变换可以使其色彩保持不变。 3、比值变换融合(Brovey Transform) 比值变换融合是将输入遥感数据的3个波段按照下列公式进行计算，获得融合以后各波段的数据：Bi_new=[Bi_m/(Br_m+Bg_m+Bb_m)]*B_h，其中Bi_new代表融合以后的波段数值(i=1,2,3)，Br_m,Bg_m,Bb_m分别代表多波段图像中的红绿蓝波段数值，Bi_m表示红、绿、蓝3波段中的任意一个，B_h代表高分辨率遥感数据。 三实验内容 数据融合：主成分变换融合(Pinciple Component)，乘积变换融合(Mutiplicative)，比值变换融合(Brovey Transform) 四实验数据
基于多尺度变换的多源图像融合技术研究 多源图像融合是指综合两个或者多个源图像信息,获得对同一场景更为准确、更为全面和更为可靠描述的图像。目前,由于多尺度变换具有良好的时频域局部特性,因此它被广泛的应用于图像融合领域,当源图像采用多尺度变换进行分解后,所得到的分解系数会处于不同的尺度上,因此可以更有针对性的选择融合准则,实现系数最优化的融合,从而最终改善融合图像的质量。 在基于多尺度变换的图像融合算法中,比较成熟和应用较为广泛的当属基于拉普拉斯金字塔的图像融合算法和基于小波变换的图像融合算法。但这两种方法都有其局限性,在基于拉普拉金字塔的图像融合算法中,源图像经拉普拉斯金字 塔分解后不仅会产生大量的冗余信息,致使融合过程中数据量增大,而且分解后 产生的信息不具备方向性,在基于小波变换的图像融合算法中,虽然小波分解后 不会造成数据量增大,且有一定的方向性,从而在一定程度上弥补了拉普拉斯金 字塔分解的不足,但小波分解只能对低频信号进行,不能对高频信号进行,同时分解后如何选择一个具有优良特性的融合准则也是一个问题,最重要的是,由于小 波基不具备各向异性,因此往往不能实现对图像最为稀疏的表达,这些都会对最 终的融合图像质量产生不利影响。 因此,针对这些问题,本论文开展了以下几方面工作:(1)针对小波变换只能 对低频信号进行分解,不能对高频信号进行分解这一局限性,选用既能对低频信 号进行分解,又能对高频信号进行分解的小波包变换来对源图像进行分解和重构,并对融合准则进行了改进以实现红外图像与可见光图像融合。(2)针对融合准则的问题,特别介绍了脉冲耦合神经网络(Pulse Coupled Neural Network, PCNN),并将PCNN进行了有效的改进使之作为融合准则使用;同时为了解决小波变换过
多源信息融合软件的设计与实现精编W O R D 版 IBM system office room 【A0816H-A0912AAAHH-GX8Q8-GNTHHJ8】
多源信息融合软件的设计与实现 摘要：针对多源信息类型不一致影响信息利用效率的问题，文章在分析传统多源数据融合模型的基础上，研究了多源信息融合软件的架构及相关技术，设计并开发的软件具有较高的实用价值。 关键词：多源信息；信息融合；软件开发 多源信息融合是通过将多种信源在空间上和时间上的互补与冗余信息依据某种优化准则组合起来，产生对特点对象的一致性解释与描述。数据融合技术是指利用计算机对获得的信息，在一定准则下加以自动分析、综合，以完成所需决策和评估任务而进行的信息处理技术。主要包括对各类信息源给出有用信息的采集、传输、综合、过滤、相关及合成，以便辅助人们进行态势/环境判定、规划、探测、验证。 数据格式统一是进行数据处理的前提。由于信息的来源多，数据格式类别差异较大，对于数据处理带来不便。多源信息融合软件能够实现多源异构数据信息整合，对于充分利用信息资源、提高数据处理系统性能具有实用价值。 1 多源数据融合模型 根据对输入信息的抽象或融合输出结果的不同，可以将信息融合分为不同的3级，包括数据级融合、特征级融合及决策级融合。 作为数据级的多源数据融合模型的结构如图1所示。多源数据经过数据清理、数据集成、数据变换，形成有效数据，通过数据处理形成数据挖掘分析等处理工作的有效数据。
数据清理是指去除源数据集中的噪声数据和无关数据，处理遗留数据和清洗脏数据，去除数据域的知识背景上的白噪声，考虑时间顺序和数据变化等。主要包括处理噪声数据，处理空值，纠正不一致数据等。 数据集成就是将多文件或多数据库运行环境中的异构数据进行合并处理，将多个数据源中的数据结合起来存放在一个一致的数据存储中。 数据变换就是将数据变换成统一的适合处理的形式。数据变换主要包括平滑、聚集、属性构造、数据泛化和规范化等内容。 2 多源信息融合软件设计 2.1 软件架构 多源信息融合软件的技术要求是实现多源异构数据向指定关系数据库进行可靠转换。就是按照指定关系数据库的表结构要求，实现多源异构数据的数据导入及格式转换问题。软件的组成框图如图2所示。软件主要包括2个主要模块，多源数据预处理模块和数据导入模块。数据预处理模块主要进行数据清理及格式转换，实现常用的数据（txt、xls、关系数据库等数据）转换为目标数据库支持的数据格式。数据导入实现指定类型数据转换为指定结构数据。 2.2 关键技术 为了保证多源信息软件的可靠运行，需解决数据类型的适应性和扩展性问题，以及数据转换的可靠性、可预制性、数据转换过程的可监督性问题。 2.2.1 基于模块化设计的类型转换
摘要：介绍了遥感影像三种常用的图像融合方式。进行实验，对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像，简要分析比较三种图像融合方式的各自特点，择出本次实验的最佳融合方式。 关键字：遥感影像；图像融合；主成分变换；乘积变换；比值变换；ERDAS IMAGINE 1. 引言 由于技术条件的限制和工作原理的不同，任何来自单一传感器的信息都只能反映目标的某一个或几个方面的特征，而不能反应出全部特征。因此，与单源遥感影像数据相比，多源遥感影像数据既具有重要的互补性，也存在冗余性。为了能更准确地识别目标，必须把各具特色的多源遥感数据相互结合起来，利用融合技术，针对性地去除无用信息，消除冗余，大幅度减少数据处理量，提高数据处理效率；同时，必须将海量多源数据中的有用信息集中起来，融合在一起，从多源数据中提取比单源数据更丰富、更可靠、更有用的信息，进行各种信息特征的互补，发挥各自的优势，充分发挥遥感技术的作用。[1] 在多源遥感图像融合中，针对同一对象不同的融合方法可以得到不同的融合结果，即可以得到不同的融合图像。高空间分辨率遥感影像和高光谱遥感影像的融合旨在生成具有高空间分辨率和高光谱分辨率特性的遥感影像，融合方法的选择取决于融合影像的应用，但迄今还没有普适的融合算法能够满足所有的应用目的，这也意味着融合影像质量评价应该与具体应用相联系。[2] 此次融合操作实验是用三种不同的融合方式（主成分变换融合，乘积变换融合，比值变换融合），对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多
光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像。 2. 源文件 1 、 imagerycolor.tif ，SPOT图像，分辨率10米，有红、绿、两个红外共四个波段。 2 、imagery-5m.tif ，SPOT图像，分辨率5米。 3. 软件选择 在常用的四种遥感图像处理软件中，PCI适合用于影像制图，ENVI在针对像元处理的信息提取中功能最强大，ER Mapper对于处理高分辨率影像效果较好，而ERDAS IMAGINE的数据融合效果最好。[3] ERDAS IMAGINE是美国Leica公司开发的遥感图像处理系统。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具。 2012年5月1日，鹰图发布最新版本的ERDAS IMAGINE，所有ERDAS 2011软件用户都可以从官方网站上下载最新版本 ERDAS IMAGINE 11.0.5. 新版本包括之前2011服务包的一些改变。相比之前的版本，新版本增加了更多ERDAS IMAGINE和GeoMedia之间的在线联接、提供了更为丰富的图像和GIS产品。用户使用一个单一的产品，就可以轻易地把两个产品结合起来构建一个更大、更清
2012－2013 学年 第一学期期末试卷 学号 姓名 成绩 考试日期： 2013年 1 月 7日 考试科目：《 多源测试信息融合 》（A 卷） 注意事项：1、闭卷考试，考试时间120分钟； 2、请在答题纸和试卷上写明自己的姓名和学号。 题目： 一、简答题（本题共50分，每小题10分） 1． 简述多源测试系统数据融合的目的和定义。 答：目的：对多源知识和多个传感器所获得的信息进行综合处理，消除多传感器信息之间可能存在的冗余和矛盾，利用信息互补来降低不确定性，以形成对系统环境相对完整一致的理解，从而提高系统智能规划和决策的科学性、反应的快速性和正确性，进而降低决策风险过程。 定义：利用计算机技术，对不同传感器按时序获得的观测信息，按照一定的准则加以自动分析、优化和综合，为完成所需的决策和估计任务而进行的信息处理过程。 2． 简述D-S 证据理论中，mass 函数的定义，什么是焦元和焦元的基？ 答：（1）基本置信度指派m 是2Θ→[0,1]集合的映射，A 为2Θ一子集，记A ?2Θ ，且满足： m(A)也称为假设的质量函数或mass 函数； 2()0 ()1A m m A Θ ??=?? ?=??∑
（2）若m(A)>0，则称元素A 为证据的焦元;焦元中所包含识别框架中的元素个数称为该焦元的基，记作|A|。（4分） 3． 分布式融合系统常见的融合策略有哪些？（论述其中五个即可得满分） 答：常见的融合策略：“与”融合检测准则、“或”融合检测准则、表决融合检测准则、最大后验概率融合检测准则、Neyman-Pearson 融合检测准则、贝叶斯融合检测准则、最小误差概率准则。 4． 举例说明D-S 证据理论中的0信任冲突悖论。 答：如果识别框架下的多条证据中的一个证据的某一焦元的基本置信度分配为0，且该焦元与同一证据中其它基本置信度指派值不为0的焦元的交集不是其本身，则无论其它证据对该焦元的基本置信度分配有多大，组合结果中该焦元的基本置信度分配始终为0。 11230.5{}()0.2{}0.3{}=??==??=?A A m A A A A A ，12230.0{}()0.9{}0.1{}=??==??=?A A m A A A A A ，13230.55{} ()0.10{}0.35{} =?? ==??=?A A m A A A A A 14230.55{}()0.10{}0.35{}=??==??=?A A m A A A A A ，1230.00{} ()0.33{}0.67{} =?? ==??=? A A m A A A A A 。 5． 简述分布式融合检测系统二元假设检验问题，并分析二元假设检验结果可能出现的几种可能性。 答：在二元假设检验问题中，每个传感器的决策值ui 为二元值，定义如下： 010(1((1,2,，假设 判定为无目标） ，假设 判定为有目标） …,N)?==??i H H u i 设 P(H0)=P0 和 P(H1)=P1分别为H0和H1出现的先验概率，且P0 +P1=1
浅谈多源遥感影像融合在图像分类中的应用 武汉大学遥感信息工程学院201130259XXXX XX 【摘要】笔者结合SPOT影像与TM影像数据融合这一常用方法，简要阐述了多源遥感影像融合技术出现的现实要求、基本原理和主要步骤，从而体现了増维问题在遥感图像分类中的应用。 【关键词】多源遥感影像融合増维图像分类 1、技术背景 现代遥感技术正在向高光谱分辨率、高空间分辨率和高时间分辨率方向发展, 新型卫星传感器不断涌现, 已从单一传感器发展到多传感器, 在同一地区形成多级分辨率的影像金字塔。在遥感图像分类中，为了达到更好的效果，有时需要增加辅助数据即增加维度，其中常用的一种方法是将SPOT影像与TM影像进行数据融合，将SPOT的较高空间分辨率与TM的较高光谱分辨率等优势综合起来，弥补单一图像上信息的不足，不仅扩大了各自信息的应用范围，而且大大提高了遥感影像分类的精度。 2、技术流程 2.1 多源遥感数据的预处理 由于太阳位置、角度条件、大气条件等因素的影响，遥感图像常表现为一定程度的失真和畸变，因此在多源遥感数据融合之前必须进行预处理。 首先应该选取适当的波段，对于TM影像，通常选用5、4、3（短波红外、近红外、红色）波段合成，这样有利于植被分类和水体判别。SPOT图像具有多光谱和全色两种模式，为了能跟TM图像的光谱特征更接近，通常采用多光谱的三个波段作为信息源。同时为避免不同时段地物的差异，TM和SPOT图像应采用近似同一时段的数据。 遥感图像有一定的几何误差，这就需要进行几何纠正。对于TM数据，纠正方法大致包括按影像获取时的姿态参数和投影系统参数按地图投影参数的变换纠正（粗纠正）和以影像和地形图选择若干同名点对，通过求解多项逼近式纠正参数（精纠正）两种。对于SPOT影像，可以从其磁带“头”文件中读出星历参数和姿态角变化率，进而计算影像中心行的外方位元素近似值，然后结合6个以上控制点采用间接校正法对原始图像进行几何和灰度重采样。 由于多源影像数据的几何、光谱、分辨率等特性有所不同，为了将多源信息有效融合，提取更多信息，必须进行有效的配准。比如对10m分辨率SPOT影像与30m分辨率的TM影像之间融合，就需要将TM数据放大至与SPOT单色波段空间分辨率一致，再分别寻找两幅图中的同名控制点，以SPOT影像为参考图，将TM影像对应到SPOT 影像上。 此外，多源遥感数据的预处理还包括辐射校正、去噪、边缘提取等。
浅谈多源图像融合方法研究 图像融合已成为图像理解和计算机视觉领域中的一项重要而有用的新技术，多源遥感图像数据融合更是成为遥感领域的研究热点，其目的是将来自多信息源的图像数据加以智能化合成，产生比单一传感器数据更精确、更可靠的描述和判决，使融合图像更符合人和机器的视觉特性，更有利于诸如目标检测与识别等进一步的图像理解与分析。遥感图像融合的目的就在于集成或整合多个源图像中的冗余信息和互补信息，利用优势互补的数据来提高图像的信息可用程度，同时增加对研究对象解译（辨识）的可靠性。 标签：遥感图像图像融合几何纠正空间配准图像去噪 1前言 多源遥感图像融合就是将多个传感器获得的同一场景的遥感图像或同一传感器在不同时刻获得的同一场景的遥感图像数据或图像序列数据进行空间和时间配准，然后采用一定的算法将各图像数据或序列数据中所含的信息优势互补性的有机结合起来产生新图像数据或场景解释的技术。 2多源图像融合的预处理 预处理的主要目的是纠正原始图像中的几何与辐射变形，即通过对图像获取过程中产生的变形、扭曲和噪音的纠正，以得到一个尽可能在几何和辐射上真实的图像。 2.1图像的几何纠正 图像几何校正一般包括两个方面，一是图像像素空间位置互换，另一个是像素灰度值的内插。故遥感图像几何校正分为两步，第一步是做空间几何变换，这样做的目的是使像素落在正确的位置上；第二步是作像素灰度值内插，重新确定新像素的灰度值，重采样的方法有最临近法、双线性内插法和三次卷积内插法。数字图像几何校正的主要处理过程如图1所示。 2.2图像的空间配准 图像数据配准定义为对从不同传感器、不同时相、不同角度所获得的两幅或多幅影像進行最佳匹配的处理过程。其中的一幅影像是参考影像数据，其它图像则作为输入影像与参考影像进行相关匹配。图像配准的一般过程是在对多传感器数据经过严密的几何纠正处理、改正了系统误差之后，将影像投影到同一地面坐标系统上，然后在各传感器影像上选取少量的控制点，通过特征点的自动选取或是计算其各自间的相似性、配准点的粗略位置估计、配准点的精确确定以及配准变换参数估计等的处理，从而实现影像的精确配准。
毕业设计（论文）设计(论文)题目像素级图像融合方法 姓名：李桂楠 学号： 2 学院：机电与信息工程学院 专业：自动化 年级2011级 指导教师：孙甲冰
目录 摘要 (4) Abstract (5) 第一章绪论 (1) 1.1课题背景及来源 (1) 1.2图像融合的理论基础和研究现状 (1) 1.3图像融合的应用 (1) 1.4图像融合的分类 (1) 第二章像素级图像融合的预处理 (3) 2.1图像增强 (3) 2.2图像校正 (6) 2.3图像配准 (6) 第三章像素级图像融合的方法综述 (8) 3.1加权平均图像融合方法 (8) 3.2 HIS空间图像融合方法 (8) 3.3 主成分分析图像融合方法 (8) 3.4 伪彩色图像融合方法 (9) 第四章基于小波变换的像素级图像融合概述 (10) 4.1 小波变换的基本理论 (10) 4.2 基于小波变换的图像融合 (11) 4.3基于小波变换的图像融合性能分析 (12)
第五章像素级图像融合方法的研究总结与展望 (19) 参考文献 (20) 谢辞.................................. 错误!未定义书签。
摘要 近些年，随着科学技术的飞速发展，各种各样的图像传感器出现在人们的视野前，这种样式繁多的图像传感器在不同的成像原理和不同的工作环境下具有不同功能。而因为多传感器的不断涌现，图像融合技术也越来越多的被应用于医学、勘探、海洋资源开发、生物学科等领域。 图像融合主要有像素级、决策级和特征级三个层次，而像素级图像融合作为基础能为其他层次的融合提供更准确、全面、可依赖的图像信息。本文的主要工作是针对像素级的图像融合所展开的。 关键词 图像融合理论基础、加权平均、图像融合方法、小波变换、
齐鲁工业大学 毕业设计(论文)开题报告题目：图像拼接技术研究—图像融合 院（系）电气工程与自动化学院 专业电子信息工程 班级电子12-1 姓名泳麟 学号 201202031022 导师玉淑 2016年 4月 20 日
5.主要参考文献： [5] Blinn J F.Light reflection functions for simulation of clouds and dusty surfaces[C]//Proceedings of SIGGRAPH，1982：21-29. [6] Max N.Optical models for direct volume rendering[J].IEEE Transactions on Visualization and Computer Graphics，1995，1： 99-108. [7] Max N.Light diffusion through clouds and haze[C]//Computer Vision，Graphics，and Image Processing，1986：280-292. [8] 尤赛，福民.基于纹理映射与光照模型的体绘制加速算法[J]. 中国图象图形学报，2003，8（9）. [3] Chao R，Zhang K，Li Y J.An image fusion algorithm using wavelet transform[J].Area Electronical Sinica，2004，32：750-753. [4] Hill P，Canagarajah N，Bull D.Image fusion using complex wavelets[C]//British Machine Vision Conference，Cardif，2002. [5] 梁栋，瑶，敏，等.一种基于小波-Contourlet 变换的多聚焦图像 融合算法[J].电子学报，2007，35（2）：320-322. [6] 杰，龚声蓉，纯平.一种新的基于小波变换的多聚焦图像融合 算法[J].计算机工程与应用，2007，43（24）：47-49. [7] 福生.小波变换的工程分析与应用[M].：科学，1999. [8] 敏，小英，毛捷.基于邻域方差加权平均的小波图像融合[J].国 外电子测量技术，2008，27（1）：5-7. [9] 楚恒，杰，朱维乐.一种基于小波变换的多聚焦图像融合方法[J]. 光电工程，2005，32（8）：59-63. [10] 王丽，卢迪，吕剑飞.一种基于小波方向对比度的多聚焦图像融合 方法[J].中国图象图形学报，2008，13（1）：145-150. （上接196页） 康健超，康宝生，筠，等：一种改进的基于 GPU 编程的光线投射算法 201
本次讲座主要讲了多源数据融合的定义、应用领域、所具有的优势、信息融合的级别、通用处理结构、主要技术方法、要解决的几个关键问题和未来的主要研究方向。下面就围绕这几个方面进行阐述。 多源信息融合是一种多层次，多方面的处理过程，包括对多源数据进行检测、相关、组合和估计，从而提高状态和身份估计的精度，以及对战场态势和威胁的重要程度进行实时完整的评估。简单说，多源信息融合就是对多源信息进行综合处理，从而得出更为准确、可靠的结论。例如我们感知天气，通过我们的体表感觉温度的高低，通过眼睛观察天气的晴朗或阴雨，通过耳朵听风的大小，然后将这些信息通过大脑的综合处理，对天气有一个总体的感知定位。 多源信息融合在各个领域都有着广泛的应用。如军事上进行战场监视、图像融合，包含医学图像融合等、工业智能机器人（对图像、声音、电磁等数据进行融合，以进行推理，从而完成任务）、空中交通管制（由导航设备、监事和控制设备、通信设备和人员四部分组成）、工业过程监控（过程诊断）、刑侦（将人的生物特征如指纹、虹膜、人脸、声音等信息进行融合，可提高对人身份识别的能力）、遥感等。 信息融合技术越来越受到人们的重视，这时因为它在信息处理方面具有一定的优势。增强系统的生存能力，也就是防破坏能力，改善系统的可靠性；可以在时间、空间上扩展覆盖范围；提高可信度，降低信息的模糊度，如可以使多传感器对同一目标或时间加以确定；提高空间分辨率，多传感器信息的合成可以获得比任一单传感器更高的分辨率；增加了测量空间的维数，从而使系统不易受到破坏。 信息融合的级别有多种分类方法，若按数据抽象的层次来分，可分为数据级融合、特征级融合和决策级融合。数据级融合是直接对传感器的观测数据进行融合处理，然后基于融合后的结果进行特征提取和判断决策。数据级融合的精度高，但由于数据量大，故处理的时间长，代价高，数据通信量大，抗干扰能力差，并且要求传感器是同类的。多应用在多源图像复合、同类雷达波形的直接合成等。特征级融合是先由每个传感器抽象出自己的特征向量（比如目标的边缘、方向、速度等信息），融合中心完成的是特征向量的融合处理。这种融合级别实现了可观的数据压缩，降低了通信带宽的要求，有利于实现实时处理，但却损失了一部分有用信息，使融合性能有所降低。决策级融合是先由每个传感器基于自己的数据作出决策，然后融合中心完成的使局部决策的融合处理。这种级别的融合数据损失量大，相对来讲精度低，但却抗干扰能力强，通信量小，对传感器依赖小，不要求同质传感器，融合中心处理代价低。 图1、集中式结构 多源数据融合的通用结构有集中式结构、分布式结构和混合式结构。集中式结构是所有传感器的数据直接送给融合中心进行处理，结构如图1所示。 分布式结构是融合中心收到的是经过局部处理的数据，结构如图2所示。混合式结构是
1 引 言(Introduction) 未来的无人机将向着实战化、智能化、多能化的方向发展，并可实现与有人驾驶飞机的混合编队。它们能全天候、全空域执行侦察、预警、通信、精确打击、核打击、战斗支援、救援、补给甚至自杀性攻击等多种任务。无人机在现代数字战场中的突出优点和惊人表现，使得各国竞相研制，目前无人机已经大量使用。截止2006年，全球研制无人机的国家有30多个，研制型号有150余种，已有50多个国家的军队装备了140余种型号的无人机。 美国是最早研制无人机的国家之一，目前已投入使用的无人机多达75种、近1400架，形成了高、中、低空，远、近距离，战略、战役、战术等各层面搭配的无人机作战网络。以色列在无人机领域仅次于美国，其研制的无人机有17种之多。据悉，从20世纪50年代至今，俄已研制出20多种 * 此项工作得到如下基金资助：国家重点基金，项目批准号：60634030；国家自然科学基金，项目批准号：60702066；教育部新世纪优秀人才项目，项目批准号:NCET-06-0878；航空基金，项目批准号：20090853013，西北工业大学校翱翔之星计划。 型号。英、法、德、意等国，在无人机领域虽不像美军那样称雄世界，但也都有一定实力。 随着无人机的大量使用，中空、低空、超低空的空域变得越来越“拥挤”，从而给飞行器带来越来越严峻的安全隐患。美军已经发生了数起无人机与直升飞机碰撞事件——虽然美国国防部只公开承认了其中的一次——2004年11月，陆军的l 架“大乌鸦”无人机与1架OH-58D “基奥瓦勇士”直升机在伊拉克上空相撞，所幸没有造成人员伤亡和严重的装备损失。 随着无人机在和平时期训练及参与作战中的广泛使用，无人机之间以及无人机对有人飞机造成了直接的威胁，如何避免它们与其他飞机碰撞已经成了一个非常值得关注的问题。虽然美军已经建立起防止无人机与有人飞机碰撞的机制，但还远没有达到安全的程度，正在致力于研究提高无人机飞行安全性的更可靠解决方案，而感知－规避系统[1, 2]可以确保无人机具有与有人机同样的安全性[3-7]。 基于多源信息融合的无人机感知与规避研究* 李耀军，潘泉，杨峰，李军伟，朱英 西北工业大学 自动化学院 西安 710072 E-mail: liyaojun@https://www.doczj.com/doc/dd936544.html, 摘 要: 无人机和有人飞机安全共享空域是无人机发展的一个关键问题。本文基于多源信息融合对无人机感知与规避做了深入研究。通过多传感器信息融合技术解算并共享无人机与有人飞机的坐标和实时运动状态，利用多模态图像的优势互补，实现昼夜、远距离、高分辨率的目标检测、识别与跟踪，从而提高无人机感知与规避的实时性与可靠性。借鉴有人飞机空中交通警戒与防撞系统的基本工作原理，通过机载计算机计算相关参数，判定闯入飞机对自身安全的威胁程度，并提供预警分析与决策。最后，结合实际情况给出了无人机的规避策略，包括避让方法和协调解脱。 关键词: 感知与规避,多源信息融合,多模图像融合,预警分析,规避策略 Multi-source Information Fusion for Sense and Avoidance of UAV * LI Yao-Jun, PAN Quan, YANG Feng, LI Jun-Wei, ZHU Ying School of Automation, Northwestern Polytechnical University, Xi ’an 710072, P.R.China E-mail: liyaojun@https://www.doczj.com/doc/dd936544.html, Abstract: Sharing safety airspace is a key issue for UAV and manned aircraft as the development of UAV. In this paper, UAV airspace obstacles sense was thoroughly studied based on multi-source information fusion. Through multi-sensors information fusion technologies, positions and runtime space state of UAV were computed and shared with manned aircraft. Taking advantage of alternative ascendancy of multi-image was to realize all-time, all-weather, remote and high-resolution of target detecting, identifying and tracking. So the run-time and reliabilities of airspace obstacles sense for UAV was improved greatly. Referring the basically working principle of the manned aircraft air traffic alert and collision avoidance system, we determine the aircraft whether fly into a threat to the safety of their own and provide early warning analysis and decision-making by calculating the relevant parameters. Finally, avoid strategies are given according to the actual situation, including avoidance methods and make way mutually. Key Words: Sense And Avoidance; Multi-source Information Tusion; Multi-mode Image Fusion; Warning Analysis; Avoidance Strategy Proceedings of the 29th Chinese Control Conference July 29-31, 2010, Beijing, China
第32卷第9期 光电工程V ol.32, No.9 2005年9月 Opto-Electronic Engineering Sept, 2005文章编号：1003-501X(2005)09-0055-04 一种改进多分辨率图像融合算法 杨平先，孙兴波 （四川理工学院电子与信息工程系，四川自贡 643000） 摘要：提出一种基于局部熵的多分辨图像融合算法。利用小波变换得到待融合图像的多分辨结构，同时得到图像的多分辨局部熵序列。以局部熵为判据，在图像多分辨结构相应各级上进行融合，得到融合图像的多分辨结构，利用小波逆变换重构融合图像。实验结果表明，该图像融合方法在保留TM多光谱图像光谱分辨率的同时，通过融合SPOT全色图像提高了空间分辨率，丰富了图像细节信息。 关键词：局部熵；多分辨分析；图像融合；小波变换 中图分类号：TP391文献标识码：A Improved algorithm for image fusion based on multi-resolution analysis YANG Ping-xian，SUN Xing-bo （Deptartment of Electronic Engineering，Sichuan University of Science＆Engineering，Zigong 643000，China） Abstract：This paper introduces a local entropy-based multi-resolution image fusion technique. The algorithm consists of three steps: First，decomposing the input multi-spectral image by wavelet transform to obtain the multi-resolution local entropy sequences of each input image. Second, according to local entropy-based criterion，the multi-resolution analysis of the fused image can be obtained on the corresponding levels of the multi-resolution analysis of the input images. Finally，the output image can be obtained through inverse wavelet transform. Experiment results show that image details are enriched while spectral solution of TM image is reserved by fusing TM image with SPOT image with the image fusion method. Key words：Local entropy；Multi-resolution analysis；Image fusion；Wavelet transform 引言 随着成像技术的发展，图像数据可以从多个不同传感器获得，由于单独的图像传感器提供的信息往往是有限的，因此通常需要其他的图像传感器提供辅助信息，国内外的研究现状表明，对于利用图像融合算法对多源遥感图像中像素进行分类，从而实现图像分割这类问题，解决的主要途径包括统计模型，证据理论和神经网络等。 针对多光谱TM图像和全色SPOT图像来说，TM图像具有较好的光谱分辨率，而SPOT图像空间分辨率较高，因此融合这两类图像可以在保留多光谱图像光谱分辨率的同时，提高其空间分辨率，从而可提高这类遥感图像目标识别的准确度和地构目标分类的精度。多光谱TM图像和全色SPOT图像进行融合的传统方法主要有：HIS变换，主成分分析，高通滤波等方法。 本文给出一种新颖算法，首先利用局部熵的概念对图像每点计算局部熵得到变换后新的图像序列，然
浅析多源遥感数据融合原理 摘要: 本文介绍了遥感影像融合技术, 系统阐述了几种常见的遥感影像融合方法及其优缺点。首先，阐述了多源遥感影像数据融合的目的、意义以及多源遥感影像数据融合的基本理论；然后介绍了多源遥感影像数据融合的层次和常用方法,在分析和探讨多源遥感影像数据融合原理、层次、结构及特点的基础上，归纳了多源遥感影像数据融合方法，然后通过实验，对不同方法融合后的成果图进行比较，每种方法都有其自身的优点和不足之处，这就决定了它们在应用方面的不同，采用乘积方法变换、Brovey比值变换和PCA变换融合方法融合后的图像，其光谱保真程度逐渐降低．Muhiplieative（乘积）变换融合较好地保留了多光谱波段的光谱分辨率和空间信息，融合图像的光谱保真能力较好，详细程度较高；PCA变换融合和Brovey变换；融合和影像质量一般．与PCA变换融合比较，Brovey变换融合的空间信息的详细程度较低，但相对好的保留了多光谱波段的光谱分辨率。 关键词: 遥感影像融合融合层次融合方法优缺点对比
目录 1、绪论 (1) 2、多源遥感数据融合的基本理论 (1) 2.1 多源遥感数据融合的概念 (3) 2.2多源遥感数据融合的原理 (4) 2.3多源遥感数据融合层次 (4) 2.3.1 像元级融合 (4) 2.3.2 特征级融合 (4) 2.3.3 决策级融合 (5) 3、多源遥感数据融合常用方法 (5) 3.1 主成分变换（PCT） (5) 3.2 乘积变换 (5) 3.3 Brovey比值变换融合 (5) 4、实验与分析 (6) 5、结语 (8) 参考文献 (9) 致谢 (10)
文章编号:100420366(2002)0120041205 收稿日期:2001-04-21 基金项目:中国科学院知识创新工程项目(KZCX 2220824) 多源图像信息融合的理论与技术 江 东1,王 钰2,王建华3,兰朝利4 (11中国科学院地理科学与资源研究所资源环境国家数据中心,北京 100101; 21中国科学院数学与系统科学研究所,北京 100083; 31中国水利水电科学研究院水资源研究所,北京 100044; 41中国科学院地质与地球物理研究所,北京 100101) 摘 要: 对不同空间分辨率、时间分辨率和波谱分辨率的遥感图像进行综合、高效的利用,是当前学术界的焦点问题之一。回顾图像融合的源起与发展,对融合的概念与基础理论做了界定与阐述,将目前存在的各种融合技术归纳为3种类型:像元级融合、特征级融合和分类级融合,剖析了其优缺点和适用领域,并对今后的发展方向做了展望。关键词: 多源图像;信息;融合;小波变换 中图分类号: P 40718 文献标识码: A 随着现代遥感技术的发展,各种对地观测卫星源源不断地提供不同空间分辨率、时间分辨率、波谱分辨率的遥感图像,为了对观测目标有一个更加全面、清晰、准确的理解与认知,人们迫切希望寻求一种综合利用各类影像数据的技术方法。从最初简单的“图像数据内插(I m age data interp retati on )”、“复合分析(Com bined analysis )”,发展到“图像综合(I m age integrating )” ,1990年在美国航空航天局(NA SA )的一个研讨会上,Shen 系统地提出了信息融合(data infor 2 m ati on fusi on )的概念[1]。 信息融合是一种信息处理技术,即对多源信息进行处理,以获得改善了的新信息,服务于决策[1,2]。图像融合(I m age fusi on )是一种通过高级影像处理来复合多源遥感影像的技术,是用特定的算法将2个或多个不同影像合并起来,生成新的图像[3]。其目的是将单一传感器的多波段信息或不同类传感器所提供的信息加以综合,消除多传感器信息之间可能存在的冗余和矛盾,以增强影像中信息透明度,改善解译的精度、可靠性以及使用率,以形成对目标的清晰、完整、准确的信息描述[4]。图像融合不是简单的叠加,它产生新的蕴含更多有价值信息的图像,即达到1+1>2,甚至是远大于2的效果。 1 图像融合的意义与原则 单一传感器影像的数据通常不能提取足够的信息来完成某一应用任务,通过多传感器影像的融合,可以得到更多的信息,减少理解的模糊性,提高遥感数据的利用效率。前人将图像融合的优点概括为以下几点:①图像增强,质量的改善;②提高几何配准的精度;③生成三维立体效果;④实现实时、准实时动态观测;⑤替代缺损的影像,克服目标提取与识别中数据不完整第14卷 第1期2002年3月 甘肃科学学报Journal of Gansu Sciences V ol .14 N o.1M ar .2002
毕业设计(论文)开题报告题目：图像拼接技术研究—图像融合 院（系）电子信息工程 专业电子信息科学与技术 班级070405 姓名闫夏 学号070405137 导师高俊钗 2011年3 月3 日
1.毕业设计（论文）题目背景、研究意义及国内外相关研究情况 1．1题目背景： 图像融合是二十世纪七十年代后期提出的新概念，他是一门综合了传感器、图像处理、信号处理、显示、计算机和人工智能等技术的现代高新技术[1]。由于图像融合系统具有突出的探测优越性(时空覆盖宽、目标分辨力与测量维数高、重构能力好、冗余性、互补性、时间优越性以及相对低成本等)，在国际上技术先进的国家受到高度重视并已取得了相当的发展，并在许多领域得到了广泛的应用[2]。 1．2研究意义： 图像融合是指综合两个或多个多源图像的信息，图像融合的目的是综合同一个场景中的多个图像的信息，其结果是更适合人的视觉和计算机视觉的一幅图像，或更适合进一步图像处理需要的图像。融合后的图像更符合人或机器的视觉特性，以利于对该图像进一步的分析、理解以及目标的检测、识别或跟踪。对图像融合来说，融合源图像可能是在同一个时间段，来自多个传感器的图像，也可能是单个传感器在不同时间提供的图像序列。一般来说，图像是对客观实际的一种反映，是一个不完全、不精确的描述[3]。图像融合充分利用多幅图像资源，通过对观测信息合理支配和使用，把多幅图像在空间或时间上的互补信息依据某种准则融合，获得对场景的一致性解释或描述，使融合后的图像具有比参加融合的任意一幅图像更优越的性质，更精确地反映客观实际[4]。 本文研究的重点——多聚焦图像的融合是图像融合研究中一类具有代表性的问题。由于光学镜头的聚焦有限，使得人们在摄影时很难得到一幅所有景物均被聚焦的图像。解决这个问题的有效方法是对同一场景拍摄几幅聚焦点不同的图像，然后，将其融合为一幅场景内所有景物均被聚焦的图像，这种图像融合被称为多聚焦图像融合。多聚焦图像融合的实现可以使多个不同距离的目标物体同时清晰地呈现，这为特征提取，图像识别奠定良好的基础，同时有效地提高图像信息的利用率和系统对目标探测识别的可靠性，广泛应用于机器视觉、数码相机、目标识别等领域。 本课题所研究的图像融合利用小波融合算法的优越性将多聚焦图像进行综合处理，从而提高图像的清晰度和目标的可识别程度，得到在一幅场景内所有场景均清晰的图像。利用Matlab软件仿真，通过融合效果评价准则来不断改进融合算法，以得到最佳的融合效果。 1．3国内外相关研究情况： 图像融合技术最早被应用于遥感图像的分析和处理中。美国陆地资源卫星(LAND－SAT)用多幅光谱图像进行简单的数据合成运算，取得了一定的噪声 抑制和区域增强效果[5]；美国德克萨斯仪器公司(TI)研究将红外热像和微光 图像融合，来提高夜战能力；TI公司还进行了将通用组件红外系统与电视、采用焦平面阵列的前视红外系统和25mm三代微光电视系统、长波及短波红外视频信号的融合试验，取得了有益的结果[6]；A.Toet等采用低通对比金字塔的图像融合方法，对野外背景坦克的可见光和红外图像进行了融合处理，提高