基于小波滤波的多尺度传感器信息融合方法解读

维普资讯
第 ２ ２卷
第 ２期
信 号 处 理
Ｓ ＧＮＡＬ ＰＲＯＣＥＳ ＮＧ Ｉ ＳＩ
Ｖｏ ． Ｎｏ ２ Ｉ２２． ． Ａｐ ． ０ ｒ ２０ ６
２０ ０ ６年 ４月
基 于小 波 的 多传 感 器 空 间 目标 数 据 融合 算 法
李超 胡谋 法 刘朝军 陈 曾平
（ 防科 技 大 学 电 子 科 学 与 工 程 学 院 Ａ Ｒ国 家 重 点 实 验 室 ，湖 南 长 沙 ４ ０７ ） 国 Ｔ １０ ３
摘
要 ：在 多传感 器系统 中，本文提 出一种基 于小 波变换的数据融合算法 ，用 于对 空间 目标的轨 道参数进 行精确 预测 。
仿真实验表 明，该算法适用 于空间 目标轨道参数等快 时变数据 ，估计 得到 的轨道参 数均 方差 ，优 于各个传 感器 的理论 均方
时变 过 程 ，在 方差 估 计
Ｙ ∑ ＝
（） １
在上式中，权值 满足互 ＝ 。 １
而方差 的估计可 以分别 由下面两式得到 ：
ｏ ｒ ＝∑
， Ｊ
（） ２
盯 ＝１∑盯 。 Ｆ ： ．备 ２
盯
Ｌ） （） ３
在 多传感器系统 中有 Ｎ个不 同种 类 的传感 器来 观测 一 个未 知实体 Ｙ。不 同传感器 的观测值 分别表示为 ｛ ｝ （ ＝ ｊ １ …Ｎ） ，２ 。假设 不同观测值序列之 间是无偏且 相互 独立 的 ， 所 以观测 Ｙ可 以由 Ｌ ＭＳ估计得到 ：
Ｎ
文献 ［ ］ 出一 种相 关 估 计 器 ， 合 了最 小 均 方 估 计 １提 融
ｔ ｅ ＬＭ Ｓ ｅ ｔｍａｉ ｎ’ ． ｈ ｓｉ ｔｏ Ｓ
Ｋ ｙ ｗｏ ｄ ｏｂ ｔｄ ｔ ｒ ｉ ａｉ ｎ Ｍｕ ｔ Ｓ ｎ ｏ ； ａ ａｆ ｓｏ ； ａ ｅ ｅ ｒ ｎ ｆｒ ｅ ｒ ｓ： ｒ ｉ ｅ ｅ ｎ ｔ ； ｌ — ｅ ｓ ｒ ｄ ｔ ｕ ｉ ｎ ｗ ｖ ｌ ｔ ａ ｓｏ ｍ ｏ ｉ ｔ ｍ

小波多尺度分析的原理与实现方法解析小波多尺度分析是一种用于信号和图像处理的有效工具，它能够将信号或图像分解成不同尺度的频率成分，从而揭示出信号或图像的局部特征和结构。

本文将从原理和实现方法两个方面对小波多尺度分析进行解析。

一、原理解析小波多尺度分析的原理基于信号和图像的局部特征，它通过选择合适的小波函数进行分解和重构。

小波函数是一种具有局部性质的函数，它在时域和频域上都有紧凑的表示。

小波分析的核心思想是将信号或图像分解成不同尺度的频率成分，然后通过重构将这些成分合并起来，得到原始信号或图像。

具体来说，小波分析通过将信号或图像与一组小波函数进行卷积运算，得到一组小波系数。

这些小波系数表示了信号或图像在不同尺度上的频率成分。

在小波分解过程中，高频细节部分被分解到高尺度小波系数中，而低频整体部分则被分解到低尺度小波系数中。

通过调整小波函数的尺度和位置，可以得到不同尺度的频率成分，从而实现对信号或图像的多尺度分析。

二、实现方法解析小波多尺度分析的实现方法主要包括离散小波变换（DWT）和连续小波变换（CWT）两种。

离散小波变换是一种基于滤波器组的方法，它通过一系列的低通和高通滤波器对信号或图像进行分解和重构。

在分解过程中，信号或图像经过低通滤波器和高通滤波器，分别得到低频和高频部分。

然后，低频部分再次经过滤波器组进行分解，直到达到所需的尺度。

在重构过程中，通过将各个尺度的低频和高频部分经过逆滤波器组合并，得到原始信号或图像。

连续小波变换是一种基于积分变换的方法，它通过将信号或图像与一组连续的小波函数进行内积运算，得到一组连续的小波系数。

连续小波变换可以实现对信号或图像的连续尺度分析，但计算量较大。

为了减少计算量，可以采用小波包变换等方法进行近似处理。

除了离散小波变换和连续小波变换外，还有一些其他的小波变换方法，如快速小波变换、小波包变换、多尺度小波分解等。

这些方法在实际应用中根据需求的不同选择使用。

总结起来，小波多尺度分析是一种有效的信号和图像处理工具，它能够揭示出信号或图像的局部特征和结构。

( 1) 对每一输入图像建立其小波变换金字塔 V l 和 Tl 。设矩阵 V 0 表示原始可见光图像 , T0 表示原始红外
可分离多分辨分析 , 对每一 ( j ∈ Z ) 来说 , 尺度函数系 2 2 { Φj ,m ,m | ( m1 , m2 ) ∈ Z } 构成 V j 的规范正交基 , 小波 1 2
Cj 的水平方向的高频分量 , 即图像的竖直边缘 。 Gr Gc
3
3
是两个方向的高频滤波 , 检测的是对角边缘 。由此看 来 , 对一幅图像的小波变换来说 , 即将其分解在不同频 率下的不同特征域上 。 三、 基于小波变换的图像融合金字塔结构 基于小波变换的图像融合 , 就是将待融合的原始图 像首先进行小波变换 , 将其分解在不同频段的不同特征 域上 , 然后在特征域上进行的融合 。所谓多尺度即指多 频段 。 由于小波分解的层式结构所形成的数据量是一个 逐级减少的塔状结构 , 故称其为金字塔结构 , 如图 1 所 示 。基于小波变换的多尺度多算子图像融合正是在这 一结构的基础上进行的 。 基于小波变换的图像融合步骤如下 :
一、 引言 图像融合 ( Image Fusion) 技术是指将多源信道所采 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以供观察或进一步 处理 。高效的图像融合方法可以根据需要综合处理多 源通道的信息 ,从而有效地提高了图像信息的利用率 、 系统对目标探测识别的可靠性及系统的自动化程度 。 这诸多方面的优点使得图像融合在医学 、 遥感 、 计算机 视觉 、 气象预报及军事目标识别等方面的应用潜力得到 充分认识 ,尤其在计算机视觉方面 ,图像融合被认为是 克服目前某些难点的技术方向 ; 在航天 、 航空多种运载 平台上 ,各种遥感器所获得的大量光谱遥感图像 ( 其中 分辨力差别 、 灰度等级差别可能很大) 的复合融合 ,为信

基于小波变换的图像多尺度数据融合
赵瑞珍;徐龙;宋国乡
【期刊名称】《计算机辅助设计与图形学学报》
【年(卷),期】2002(014)004
【摘要】现有的图像数据融合方法对目标检测并不十分满意,为了提高目标检测的分辨率,抑制每个传感器的检测噪声,提出一种基于小波变换的图像数据融合新方法.在图像分解的高频域内,选择多源图像绝对值较大的系数作为重要小波系数;在低频域内,新的逼近系数通过对多源图像的逼近系数进行加权平均得到,然后利用重要小波系数和加权逼近系数进行小波反变换,即可得到融合之后的图像.实验结果表明,基于小波变换的图像数据融合方法具有良好的效果,并可用于广泛的研究领域.
【总页数】4页(P361-364)
【作者】赵瑞珍;徐龙;宋国乡
【作者单位】西安电子科技大学理学院,西安,710071;西安电子科技大学理学院,西安,710071;西安电子科技大学理学院,西安,710071
【正文语种】中文
【中图分类】TP317.4
【相关文献】
1.一种基于小波变换和数据融合降噪的图像边缘检测方法 [J], 罗婷
2.基于小波变换的零件图像数据融合 [J], 夏庆观;陈桂;盛党红
3.基于小波变换数据融合的图像边缘检测算法 [J], 谢红梅;俞卞章
4.基于数据融合及小波变换的医学超声图像去噪方法 [J], 郭敏;马远良;朱霆
5.基于小波变换的多源图像数据融合与边缘检测方法 [J], 夏庆观;陈桂;盛党红因版权原因，仅展示原文概要，查看原文内容请购买。