论文部分内容阅读
传统的信号处理难以满足智能系统的需求,多模态信息融合技术的出现推动了图像处理的发展,避免了单一模态获得信息的片面性,对多模态不同侧面的互补或冗余信息进行了综合。融合后的图像信息更加丰富,细节描述更为精细,这样可得到较为满意的效果,有利于后续的图像处理。目标识别在军事和民用领域有着广泛的应用,在融合后的图像基础上,再进行检测识别,决策将更精确、更可靠,识别更容易。
本文重点研究了多模态信息融合及其在目标识别中的应用,探讨了多模态信息融合系统的体系结构,功能模型等。对融合前的配准做了多方面的分析,介绍了配准的分类、过程及其方法,并给出了基于小波变换和轮廓提取的自动配准算法。分别介绍了基于小波变换和D-S证据理论的融合方法,小波分解具有良好的时域和频域局部特性,而D-S证据理论是一种重要的不确定性推理算法,通过实验验证了在多模态信息融合系统中的实用性。
对目标识别的过程进行分析,研究了基于融合图像的多模态目标识别,特别是为了避免遥感图像复杂背景的干扰,提出了基于数学形态学目标识别算法。把多模态融合过程加进目标识别中,极大的提高了识别精度,也进一步说明了图像融合的重要性和实用性。