智能视觉物联网中图像的分布式融合算法的研究

Internet of Things has been concerned and recognized. How to process image information well in the environment of Internet of Things, especially in the Visual Internet of Things is a probolem need to bo solved and an challenge one.Image fusion is one of the important technologies in Internet of Things..This project proposed a distributed image fusion algorithm in the Smart Visual Internet of Things. In this algorithm, driving node mode event-based is adopted firstly. On the premise of taking node location, the distance between one node and Sink node, vector of sensing direction, and the energy situation into consideration, we work out a plan for selecting the header of cluster. Secondly, the image features such as dot, edge, texture, and gradient and so on are maken good use of, and intuitionistic fuzzy similar dgree, intuitionistic fuzzy interconnection dgree, and invariance of multiwavelets moment are synthetically used. The match of images based on features is realized then. In addition, two different flexible schemes which are used for fusion images from same type nodes and from different nodes are designed. They are co-operation aggregation plan based on sharing tasks and whole fusion one feature level-based. .The study of this project plays a important role in processing image of Visual Internet of Things distributedly, not only theoretical but also practical.

物联网技术已经得到了大家的认可和广泛关注，如何进一步做好物联网中，特别是视觉物联网环境中大量的图像信息的处理就是一个急需解决并富有挑战的问题,图像融合是重要技术之一。.本项目提出一种智能视觉物联网环境下图像分布式融合的算法。该算法采用基于事件驱动节点的模式，在综合考虑节点位置、与汇聚节点的距离、传感方向向量、能量情况等因素的基础上，制定了一套合理确定簇头节点的方案；然后，充分利用点、边缘、纹理、梯度等图像特征，并结合使用直觉模糊关联度、直觉模糊相似度、多小波矩不变性等信息，实现基于特征的图像数据的配准；此外，还非常灵活地设计了同类型节点和不同类节点参与融合的两种方案：基于多节点分担任务的协作式融合、完全的特征级融合。.本项目的研究对于视觉物联网的分布式图像处理具有重要的理论研究及实用意义。

视觉感知是我们认识世界的重要途径，而智能视觉物联网是未来物联网中的重要组成部分。为了能将视觉物联网中分布在不同位置的多种图像传感器获取的图像综合形成一幅质量更高的图像，图像融合是一个关键且有效的环节，也是图像处理领域的主要分支之一。此外，由于无线传感网络的节点能量等资源十分有限，而融合技术除了能有效减少网络中数据冗余量、降低能量消耗以及延长网络生命周期外，还可以综合利用不同类传感器的特性，得到对目标更好的解释或判别。因而，图像融合是传感网络特别是具有视频处理能力的智能视觉物联网研究的重点和难点。针对智能视觉物联网环境，研究有效的、性能优良的分布式图像融合算法具有重要的理论研究及实用意义。.本项目主要研究了分布式数据融合、基于簇的智能视觉物联网分层结构(包含簇头节点的确定机制)、图像的直觉模糊模型的建立、基于直觉模糊集理论的关联测度和相似性测度、基于特征的多节点图像数据的配准、图像融合，以及如何利用DSP、FPGA、SoPC等硬件平台实现图像的配准及融合处理等内容。.经过研究，得知分布式融合比集中式融合性能更好、更节省物联网各节点的能量；采用一定的机制（如根据节点与Sink节点的距离、节点的当前剩余能量等因素）确定各簇的簇头节点比简单的轮换制更科学合理且效果好；在建立了对应于图像的直觉模糊模型之后，可以科学地构建出图像之间的直觉模糊关联测度和相似性测度，进而进行基于直觉模糊相似性测度的图像融合，且融合性能要优于基于传统模糊理论的融合性能；在进行图像的特征级配准时，可以充分利用各节点获取的图像的若干特征，如点、边缘、纹理、颜色、形状、多小波变换系数等建立特征矢量，进一步，可实现图像的特征级融合，从数据量来看，明显少于像素级配准和像素级融合，而且，在构建特征矢量时，可依据图像的实际情况合理选择或确定各种特征的比重，使配准和融合结果更科学、具备自适应性。此外，当在物联网各节点利用DSP平台实现图像的处理时，基于RF5框架的算法实现与简单的DSP应用程序相比，具备更多的优点，比如更规范、更易于模块化、更易于以后的修改及功能扩展、算法更优化。.本项目研究的内容及结果，对于更好地、更深入地把握智能视觉物联网中图像数据的传输、利用，以及进行智能视觉物联网中图像或视频的检索等其他处理具有非常重要的指导意义和实用价值。