多传感器图像融合新算法及其应用研究

本课题主要研究内容集中在多传感器图像融合新算法及其应用研究上，利用这些多源图像数据以期获得信息量更为丰富，视觉效果更好的融合结果是我们热切关注的。主要包括5个方面的研究内容：（1）基于统计模型的多分辨率图像融合方法；（2）提出基于上下文信息的图像融合方法；（3）探讨熵成份（ECA）理论和融合方法、核熵成份（KECA）理论和融合方法、二维熵成份（2DECA）理论和融合方法、熵张量分解（ETD）理论和融合方法；（4）针对不同分辨率图像进行融合算法的研究；（5）以上述研究内容为基础采用多传感器图像库进行图像融合实验，检验算法的有效性和可应用性。. 本课题的研究不仅对提高图像融合的技术水平，促进国内图像融合应用发展有重要意义，而且课题研究中提出的一些新思想和新方法将丰富图像融合的研究内容。

本课题研究了多传感器图像融合新算法及其应用研究。主要的研究成果有：（1）针对遥感图像融合中因为引入错误的高频信息导致多光谱特性扭曲或丢失的现象，研究了一种基于统计模型的多分辨率图像融合方法，通过多光谱与全色图像融合实验验证了该算法的有效性；（2）对经典的隐马尔可夫模型（HMM）进行了研究，将其用于图像融合中高频相关性的统计建模中，提出了若干基于上下文统计建模的图像融合方法。该类方法在图像融合处理中具有积极的作用；（3）详细研究了张量分析理论，提出了若干基于张量分析的图像融合方法。此外，通过研究主成分分析，提出了熵成分分析（ECA）以及二维熵成分分析（2DECA），并将其用于图像融合中取得了较好的融合效果；（4）对特征级图像融合中的关键问题：区域分割以及融合策略展开了研究，提出了一种自适应多策略的图像融合方法；（5）研究了不同分辨率图像的融合，突破了以往算法要求待融合图像尺寸一致性的限制，提升了融合算法的广泛应用性。以上述研究内容为基础采用多传感器图像库进行图像融合实验，检验了算法的有效性和可应用性。此外，课题组还在模式识别和人工智能的许多相关领域取得了极大的进展，如分类学习方法和目标跟踪、图像检索、图像质量评价以及人脸识别等。. 在项目开展的过程中，课题组特别重视学术交流。迄今为止，课题组已和国内外所高校、实验室以及公司进行了充分的交流，建立了良好互访机制。课题组积极参加相关研究领域的国内外会议，并取得了较好的效果。本项目研究期间，课题组成员都在一定程度上大大提高了自身的学术水平，并培养了一批博士和硕士研究生。同时，课题组的研究成果也得到了大力推广和应用，并申请了一系列的专利。. 综上所述，在国家自然科学基金和相关单位的大力支持下，本项目获得了圆满的成功。