数字图像预处理与融合方法研究

《数字图像预处理与融合方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西北工业大学博士学位论文数字图像预处理与融合方法研究姓名：李卫华申请学位级别：博士专业：导航、制导与控制指导教师：周军20060401两北T：业大学博十学侍论文模糊核聚类算法进行图像聚类操作，提高了融合效果和实时性。通过仿真试验，并与其它的神经网络图像融合方法进行比较，结果表明该方法是有效的。6、针对基于神经网络以及模糊神经网络的图像融合方法存在内部结构和参数难以调整的问题，提出了一种基于遗传进化模糊神经网络(卧N)的图像融合方法。方法采用模糊神经网络(孙m)作为单幅图像的聚类算法，以融合后图像的峰

2、值信噪比为适应度函数，利用遗传算法调整模糊神经网络(FNN)的内部参数，从峰值信噪比的角度，最大程度地提高了图像融合效果。仿真试验表明，与基于SOM网络和基于模糊神经网络的图像融合方法相比，这种方法是非常有效的。7、针对传统图像融合方法鲁棒性差的缺点，设计了一种基于估计理论期望值最大的图像融合方法。从多感测器成像模型出发，设计出图像的形成模型，分别基于图像的模型以及期望值最大方法，推导出估计真实场景的迭代过程，最终得到融合图像。探讨了基于拉普拉斯金字塔、梯度金字塔、小波、小波框架以及方向滤波器金字塔

3、等方法的多尺度展开的融合情况，并与EM方法做了比较，数字仿真表明，图像受到噪声污染时采用EM算法进行融合具有较强的鲁棒性。型关键词：图像预处理：图像融合：小波变换；神经网络；遗传算法；统计模AbstractWiththedeVelopmentofsen∞rtechnique，theme山ods111atpeopleob诅inimagesh越be饥becomingmorcarIdmorc，makingtIleca嘲驴ryofimageproceSsingalsomorc卸dmOrc．Thecl勰sic

4、methodshavenotdoncitwell．ItneedstodeveIopnewmetllodst0如sionimages，whileintelligencecalculationcognition_basedt11atisdeveIopingf如t化ccntlyh笛foundoutgoods01ution．Theobjectiveoft11isthesisistopmposesomeea'ectivemethodStofusionimagescombiningne刊net、vorl【，ge

5、neticalgoritImlsstatistict11eoryalld∞on，afIerdiscuSsingsomeproblemsaboutpre—processjng．T11is陀辩archmailllyh鹊t、，∞parts：thefirstpartistIlepre·processjr培ofimagefI培ion，includingi玎1agefilter，imagesegmentatioIL柚dimagenlatching∞dⅡlesecondpartisabouttllerc∞arch

6、ofimagemsionalgoritIlm．ThjsresearchismailllyarourIdthewholeprocessingofimage如sioIl，锄dob“ns陀searchresul乜硒follow(1)Thce腩ctbycommonimagerestorationmethodisnotgood．Thenamethodofim硼rercstorationisdesignedaccordingtoHiddenMarkovtr鹳锄dwavelett础sfo衄．1kimageisde

7、composed啦ingdouble·仃cecomplexwaveletaRerWienerfjltering．Andnoiseis豫movedb笛edonHiddenMarkovtreeincomplexwaveletdomain．TheresultsshowthatthenewrestorationalgorithmismoreefrectiVetllanexistingmefhods．(2)Tbovercometheshoncomjngsofla唱ecomputationa11dcomplic

8、atedmodel陀presentatiOninimagesegmentationb嬲edondef0咖ablemodeI，anovelsegmentationmethodisproposedb船ed0n舵ross％tropya11dcu“eevolution．Acmssentropyisutilizedtoc0璐t八lctenergymnction自ommedi丘色rence锄Ongt11ecl部sifications，tllesegmemationisⅡmlsf0