基于数据提纯的图像融合

以一种稳健的数据提纯策略实现了全自动的图像融合。首先采用精度较高的特征点提取和匹配算法获得两幅图像间特征点的伪匹配集合，在特征点提取误差符合高斯分布的假设下，对伪匹配集合进行了参数的定量分析，并将它按参数阈值分成了内点和外点，剔除了不够准确的噪声数据，在内点域上线性和非线性地估计出图像间的点变换关系，形成了一种稳健的数据提纯算法。随后根据估计出的变换关系对两幅图像进行重采样，注册到一幅新的空白图像中形成一幅融合图像，实现了全自动的图像融合。实验表明本文的算法稳健，融合效果不错。

奇异值分解对连续Morlet小波变换的压缩和提纯

研究连续Morlet小波变换矩阵行矢量的线性相关性,这种相关性使得连续Morlet小波变换的结果存在很大的冗余,利用奇异值分解(Singular value decomposition,SVD)来压缩这种冗余性。理论分析表明,SVD技术可以将连续Morlet小波变换矩阵的信息完全压缩到少数的非零奇异值及其对应的正交奇异矢量中,分析压缩前后数据量的比例,证实矩阵维数越大,压缩效果越好。研究确定性信号和噪声的连续Morlet小波变换结果的奇异值的分布特点,发现确定性信号的有效奇异值数量由信号中的频率数量决定,有效奇异值之后的奇异值会很快地下降到零,而噪声的奇异值序列的变化比较均匀,下降速度比较缓慢。利用确定性信号和噪声奇异值的这种差异,可以实现对含噪信号的连续Morlet小波变换结果的提纯,只要选择前面合适的奇异值进行SVD重构,大部分噪声奇异值的信息会被抛弃,因而可在很大程度上消除噪声对连续Morlet小波变换结果的影响。