● 摘要
本文针对同一场景，分别提取可见光图像和SAR图像的共有特征，结合不变矩技术进行匹配关联，制定融合规则，依据该规则融合提取的特征，图像的互补信息增进了检测和识别的能力；冗余信息增加了目标的可靠性，论文的研究内容主要如下：(1)景物的边缘是可见光和SAR图像共同具有的特征，本文对可见光和SAR图像的边缘提取采用特征级融合，以两幅图像的边缘特征进行遥感图像的特征级融合，特征级融合的优势比像素级融合的优势在于对图像配准要求没那么苛刻，减轻了前期配准精度的标准和难度。(2) 对于光学图像边缘，本文基于Canny离散三准则,利用数值方法得到离散条件下的优化线性滤波器的求导算子和平滑算子，并解决了Canny算法中非极大值抑制过程中遇到的同一梯度方向上相邻两个像素梯度值相等而导致的边缘移位问题，同时解决了Canny算法原有双阈值操作步骤仅能连接强边缘之间的单个弱边缘点，而对强边缘之间的一段弱边缘无能为力的问题。 (3) 对于SAR图像边缘，本文根据SAR图像乘性噪声特性，采用恒虚警的Ratio算法，并对Ratio算法进行改进，在原有步骤后又增加了非极小值抑制的步骤，得到了单边响应且虚警少的SAR图像边缘。(4) 相位一致性边缘检测算法的优势是适合多种类型的边缘，如阶跃型边缘、线条、屋脊、马赫带，而其他的边缘检测方法只能提取其中的一种和部分特征，本文利用相位一致性算法结合Hough变换提取SAR图像中的窄细道路，得到了很好的效果。 (5) 本文研究了两类特征级融合，第一类特征级融合是综合两幅图像的特征级目标，用不变矩进行两幅图像的边缘特征的匹配关联，根据制定的融合规则，进行边缘融合，并结合像素邻域的能量统计体现在最后的融合后的特征级图像上，以便观察者发现可疑的目标，第二类特征级融合是提取感兴趣的目标特征进行识别真伪。(6) 目前常规图像融合都是像素级融合，像素级融合有它的局限性，无论采用的哪种融合算法，都是在该像素处的灰度加权，这就必须要求两幅图像精配准到一个像素内，但是对于SAR图像和可见光图像的融合，精配准到一个像素内是很困难的，这是由于它们不同的成像机理以及地面建筑物产生的阴影造成的，所以本文最终采用特征级融合的方式。