多源图像融合在各种视觉领域中应用广泛, 它将多个图像的特征信息整合集中到一幅图像上。过去的几十年中, 多源图像融合方法日益增多, 但依然不能完全满足需求。为了设计出在准确性、鲁棒性和效率等方面具有优异性能的融合方法, 需要对经典和最新技术进行全面系统的回顾和分析, 以寻找新的突破口。遵循多源图像融合的流程, 介绍图像融合的分类、框架以及一些方法技术, 并以不同的视角提出一种新的图像融合方法分类体系; 对融合评价方法进行了全面概括; 最后, 介绍图像融合的几种应用场合, 并对多源图像融合未来的发展趋势进行展望。

针对目前库尔勒香梨品质在线分级检测系统存在价格昂贵、 结构复杂等问题, 设计了库勒尔香梨内部品质在线无损检测分级系统。 基于该系统研究了不同移动速度(0.3和0.5 m·s-1)对库尔勒香梨的可溶性固形物含量(solid soluble contents, SSC)和硬度在线预测模型的影响。 不同移动速度下, 采集样品相同部位的信息, 所采集光谱存在差异。 由于采集的光谱存在差异性, 采用SG-平滑(Savitzky-Golay smooth)、 SG卷积导数、 多元散射校正(MSC)、 标准正态能量变换(SNV)、 归一化(Normalization)等多种光谱预处理方法进行处理, 基于偏最小二乘法(partial least squares, PLS), 建立移动速度为0.3 m·s-1 (S1)和0.5 m·s-1 (S2)下库尔勒香梨的SSC和硬度模型。 结果表明: 移动速度为0.5 m·s-1下, 采用SG-DER(Savitzky-Golay Derivative)处理光谱图建立SSC模型优于0.3 m·s-1, 其预测集相关系数和预测均方根误差为0.880 2和0.391 5°Bri。 而在移动速度为0.3 m·s-1下的结果, 采用SGS(Savitzky-Golay smooth)处理光谱图建立的SSC模型优于0.5 m·s-1下的结果, 其预测集相关系数和预测均方根误差分别为0.820 2和0.470 8 N。 后建立两个速度混合模型, 采用竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)和连续投影算法(successive projections algorithm, SPA)筛选特征变量, 后采用PLS, 建立混合速度下硬度和SSC预测模型。 从建模效果来看SPA和CARS都可以有效减少建模所用变量数、 提高库尔勒香梨在线SSC和硬度检测模型的预测能力和运算速度, 增强模型的稳健性等。 采用CARS方法, 从501个光谱中筛选出24个变量, 建立了CARS-PLS模型, 建立的SSC模型较好, 其预测集相关系数和预测均方根误差分别为0.915 0和0.371 9°Bri。 采用SPA方法, 从501个光谱中筛选出32个变量, 建立硬度模型较好, 其预测集相关系数和预测均方根误差分别为0.821 0和0.492 0 N。 混合速度建立预测品质模型比单一速度建立模型稳健一些。 研究表明: 不同移动速度对建立果品品质预测模型产生不同影响, 该研究有助于果品品质在线分选提供技术支持。

脉冲耦合神经网络(PCNN)具有全局耦合性与脉冲同步发放等特点, 可用于解决融合图像高频子带系数的选取不符合人眼视觉特性的问题。但PCNN在应用于多源图像融合的过程中存在着模型结构复杂、参数设置繁琐等问题, 针对PCNN的模型结构, 分析了模型优化的两类方法, 并总结了PCNN应用于多源图像融合的一般规律, 为PCNN更好地应用于多源图像融合提供了参考。

为提高融合效率, 解决基于多尺度变换的融合方法中融合系数选择错误的问题, 提出一种红外与可见光图像融合方法.首先用非下采样双树复轮廓波变换将源图像分解为低频与高频部分; 然后对低频系数采用自适应尺寸分块法进行融合, 图像块的尺寸由改进的果蝇算法优化求解, 精细化处理低频融合结果, 得到一幅能精确到每个系数来源的标签图; 再利用高频分量的邻域系数差结合该标签图对高频系数进行融合; 最后重构得到融合图像.实验结果表明, 该算法能够提高融合速度, 解决了空域分块融合容易产生块效应的问题.

为了有效地进行纹理分析，提出一种基于局部Walsh谱的纹理特征旋转不变性描述方法。首先，比较每个像素点与其邻近点的灰度值生成局部二值序列，并计算序列离散Walsh变换的功率谱；然后，采用功率谱的各谱点值构成特征直方图描述纹理特征；最后，从序列的列率特性出发，构造了新的两族局部Walsh谱，揭示了局部Walsh谱与局部二值模式之间的联系。因为离散Walsh变换功率谱具有循环移位不变性，所以局部Walsh谱具有先天的旋转不变性。实验结果显示，与灰度共生矩阵和Gabor滤波器组相比，局部Walsh谱的纹理分类准确率较高；与局部二值模式相比，在相同尺度下局部Walsh谱的分类准确率比其高出3%以上，对两幅旋转纹理图像分割的错误率比其低11%和3%，表明提出的方法具有较好的纹理鉴别能力和旋转不变性。

针对复杂背景下钢索图像难以准确分割的问题，提出一种基于纹理分析的钢索图像分割与边界识别方法.采用基于模糊Hough变换的纹理方向检测方法确定钢索走向，利用边缘方向密度直方图作为纹理特征，对与钢索纹理方向相应的边缘方向赋予不同权重，抑制纹理分割中背景的干扰，对钢丝绳图像进行聚类分割，采用检测平行直线的方法确定其边界，并根据算法参量对边界进行修正.在实验中，对比了边缘方向密度直方图特征与灰度共生矩阵、局部二值模式在钢索图像纹理分割中的结果与计算时间，结果表明边缘方向密度直方图特征计算速度快、受背景干扰小，分割准确率高.本文方法无须预先训练，受背景干扰小，可以准确地识别出钢索并确定其边界，能满足钢丝绳视觉检测的要求.

为了快速准确地识别出某型航空发动机篦齿盘均压孔的边界，提出一种新的模糊快速Hough变换.利用局部梯度信息将检测圆所需的3D Hough变换转化为一个2D Hough变换检测圆心位置和一个1D Hough变换检测圆的半径.在检测圆心位置时，对2D参量空间进行多分辨率分级，通过迭代计算由粗到精逐步细化参量空间.采用模糊投票的方法来处理边缘像素位置和梯度方向的不确定性.通过实验对比了模糊快速Hough变换与标准Hough变换、随机Hough变换进行盘孔边界识别的效果，结果表明模糊快速Hough变换可以快速准确地识别出盘孔的边界，性能优于另外两种算法.

基于内窥镜的视觉检测技术在现代航空发动机故障诊断中发挥着重要的作用。针对航空发动机篦齿盘均压孔上产生的表面裂纹,采用基于工业视频内窥镜的孔探技术对其进行自动视觉检测。在对均压孔裂纹形成原因和裂纹形态进行分析的基础上,提出一种基于定位-识别模型的盘孔表面裂纹检测方法。该方法采用一种新的模糊快速Hough算法检测均压孔的圆形边界,对盘孔进行定位;然后根据裂纹分布情况确定感兴趣区域,并对该区域内的图像进行二值化和细化;最后采用链码分析实现裂纹识别。在实验中,对比了模糊快速Hough变换、标准Hough变换和随机Hough变换检测盘孔边界的效果,结果表明模糊快速Hough变换可以快速准确地识别出圆形边界,并对盘孔进行定位。采用上述方法对80幅均压孔图像进行裂纹检测试验,结果表明检测的准确率可达91.2%。

针对复杂背景下钢丝绳图像难以准确分割的问题，提出一种新的基于纹理特征的图像分割方法。首先，采用局部二进制模式(Local Binary Pattern, LBP)特征直方图的一阶熵、二阶熵作为LBP 特征的统计测度，降低LBP特征的维数。同时选用边缘密度作为纹理描述的特征之一，弥补LBP 算子提取纹理特征不足、抗干扰能力差的缺点。然后以上述纹理特征构成特征矢量，采用模糊C-均值(Fuzzy C-Mean, FCM)聚类算法进行聚类分割。在实验中，对比了该算法与灰度共生矩阵、传统LBP 算子在钢丝绳图像分割中的效果。结果表明，该算法可以有效地对钢丝绳图像进行纹理分割，并能取得良好的边界定位效果，性能优于另外两种算法。

针对内窥镜图像由于照明等原因而造成的亮度不均匀、局部对比度较低的问题,本文提出一种基于小波变换的同态滤波算法对内窥镜图像进行对比度增强。分析了照明反射模型的基本原理及可用于消除光照不均的同态滤波方法,采用快速小波变换代替传统傅里叶变换,在变换域中对小波系数进行非线性增强,对不同尺度上的小波系数进行不同程度的增强。实验结果表明,该方法可以有效消除由光照不均匀引起的图像亮度不均匀,增强图像对比度的同时不改变图像的原始面貌,其效果优于传统的同态滤波方法。