6.2.1  多传感器特征提取

多传感器图像融合是多传感器数据融合中的一个重要内容。图像融合是指对多个传感器同一时间获取的关于某一具体场景的图像进行特征提取和融合，融合后的特征更能全面、准确地描述目标特征，这是单一的传感器不可比拟的。图像融合的目的是获取同一场景目标的更加准确、全面和可靠的特征。

多传感器能够提供互补的信息。利用这些互补信息，可提高多传感器系统的可靠性，使得对某一传感器的依赖性降低。由于实际应用中，环境和气候经常发生变化，这时我们可以发挥各个传感器的优势，结合多种传感器用于进行目标检测和识别。比如，当光照受雨、云、雾、烟等条件限制或光照强度较低时，可见光传感器很难探测到目标，这时可以利用具有较强穿透力的毫米波雷达进行探测，尽管图像信号的衰减较严重，但勉强可以看到目标。当环境和目标的温差差别较大时，可以利用红外传感器的热辐射特性来辨识目标，而可见光传感器能获取包含丰富的形状和彩色等的图像细节信息，可以清楚地看到目标的精细特征。

特征级的图像融合指中间层次的融合方法。它首先利用各个传感器的特点，分别提取出同一场景的不同的或相同的特征，如目标形状、轮廓、边缘纹理等典型的目标特征，然后利用某些融合算法，把这些特征进行组合，组合特征能更全面、准确地描述目标特征，最后对融合后的特征进行目标分类识别。特征级融合包括图像分割、特征提取和特征层信息融合，用于后续的目标分类识别中。目前常用的特征级的图像融合方法主要有：神经网络方法、Dempster-Shafer推理方法、聚类分析方法、信息熵方法、贝叶斯估计方法、表决方法及加权平均法。

可见光传感器和红外传感器是两种常用的图像传感器，它们的性能和工作机理有很大差异。红外传感器获取的图像为目标和场景的红外辐射特性，记录的是背景与目标的红外辐射强度信息。由于红外传感器反映的是背景与目标间的热辐射能量大小，一般目标热辐射能量强，在图像中显示较亮，因此在检测目标方面有很大优势，但其对场景的亮度变化并不敏感，成像的清晰度比较低，不能用于提取目标的细节特征；可见光传感器对目标和场景的反射较敏感，能够获取目标和场景的细节信息，可以用于提取目标的细节纹理特征，但对目标和场景的热对比度不敏感，很难获取目标的空间位置和结构信息。

本章主要研究了可见光传感器和红外传感器采集图像的特征提取方法。综合利用红外图像较好的空间探测能力和可见光图像的清晰场景信息，对同一场景的目标进行有效的特征提取。