陶平平　冯肖亮

摘 要：目前对于单独的某种算法或单传感器的图像信息已不能满足高精度的图像识别任务的需要，通过多传感器可获得比单一传感器质量更高的信息。基于此，文章首先在图像上建立多传感器二维线性离散系统的状态空间模型，然后利用二维卡尔曼滤波算法对图像进行滤波去噪，最后利用集中式融合去噪。仿真结果表明：文章算法在提高峰值信噪比和提高图像清晰度两个方面比其他算法更加有效。

关键词：二维卡尔曼滤波；集中式融合；图像去噪

中图分类号：TP391 文献标志码：A 文章编号：2095-2945（2018）20-0033-02

Abstract： At present， a single algorithm or single sensor's image information can not meet the needs of high-precision image recognition task， the multi-sensor can obtain higher quality information than a single sensor. Based on this， the state space model of the multisensor linear discrete system is established on the image， then the image is filtered and denoised using the two-dimensional Kalman filtering algorithm， and finally the centralized fusion is used to denoise the image. The simulation results show that the proposed algorithm is more effective than other algorithms in improving the peak signal-to-noise ratio （PSNR） and image clarity.

Keywords： 2D Kalman filter； centralized fusion； image denoising

1 概述

图像在成像、传输等过程中不可避免地受到环境噪声、有损压缩，甚至失去应用价值[1]。因此，如何从受损图像中去除噪声，恢复出高质量图像是图像处理领域面临的重要问题之一。多传感器形成比单一传感器更可靠、更完全的融合信息[2]。文中采用了基于像素层的图像融合算法。国内外研究者已经提出几种比较实用的图像去噪算法，如文献[3]中的卡尔曼滤波算法、文献[4]中的小波去噪算法等，这些图像去噪方法都是针对单传感器图像信息进行研究的，所获得的效果有限。文献[5]指出图像融合技术是取自同一对象的多幅图像进行去噪处理，可以利用这些图像的信息进行互补和冗余，能够取得更好的效果。在仿真实验中，将文献[6]中提到的不同滤波方法与文中方法进行对比，以此来验证本文算法的有效性。

2 二维线性离……