基于信息融合的圖像理解方法研究

　　圖像理解的根本任務(wù)就是要正確解釋所感知的圖像場景。圖像數(shù)據(jù)本身存在含糊性，圖像理解中的信息獲取、知識表述以及目標識別等都存在信息的不確定問題。而信息融合技術(shù)研究多源信息的加工和協(xié)同利用，形成多形式信息互補，獲得對同一事物或目標更客觀、更本質(zhì)的認識。采用信息融合的智能信息處理技術(shù)可以有效解決圖像理解中的不確定性問題，是一種新穎的研究思路，具有深遠的理論意義和廣闊的應(yīng)用前景。論文主要工作如下：（1）通過分析圖像理解中的信息獲取、數(shù)據(jù)和知識表述方法及目標識別問題的研究現(xiàn)狀和存在問題，討論了研究基于信息融合的圖像理解方法的有效性。（2）從圖像數(shù)據(jù)融合的角度研究基于像素層融合的圖像信息獲取方法。比較了常用的像素層圖像融合算法，分析了融合圖像的質(zhì)量評價問題，提出了一種新的融合圖像質(zhì)量評價標準，并提出了一種新的夜視圖像彩色化融合算法，實驗結(jié)果表明該算法的有效性。（3）將D-S證據(jù)理論等不確定性處理的方法引入到特征層融合，研究其在圖像理解中知識表述方面的應(yīng)用，分析了D-S證據(jù)理論中的關(guān)鍵問題和解決途徑，提出了基于D-S證據(jù)理論的融合圖像分割及融合邊緣提取的新方法，得到了較好的圖像分割及邊緣提取結(jié)果。（4）研究基于決策層融合的多分類器目標識別，針對圖像理解中的多類目標識別問題，提出了一種基于D-S證據(jù)理論的多特征的層次識別方法，討論了D-S證據(jù)理論與模糊集合方法的聯(lián)系，并應(yīng)用于生物特征認證和交通標志識別中。

　　胡良梅，合肥工業(yè)大學副教授，碩士生導師，合肥工業(yè)大學博士。主要研究領(lǐng)域：信息融合、圖像處理、圖像理解、模式識別、智能信息處理。主持安徽省重點科研項目1項，參加國家自然科學基金項目2項、安徽省計劃項目3項。發(fā)表學術(shù)論文十余篇，并有多篇被EI收錄。獲安徽省科研成果獎1項，安徽省科學技術(shù)三等獎1項，實用新型專利1項。