基于信息融合的圖像理解方法研究

　　圖像理解的根本任務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、更本質的認識。采用信息融合的智能信息處理技術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量評價問題，提出了一種新的融合圖像質量評價標準，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用，分析了D-S證據(jù)理論中的關鍵問題和解決途徑，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，安徽省科學技術三等獎1項，實用新型專利1項。