红外与微光图像彩色融合仿生算法的研究与实现

发布时间：2020-07-23 13:35

【摘要】：目前红外图像和微光图像融合大都处于灰度融合阶段,而人眼对于灰度信息的分辨能力与彩色信息相比要低得多,彩色融合图像可以让人眼更快的识别目标和场景。因此开展红外图像和微光图像彩色融合算法研究十分重要。生物视觉经过大自然数亿年的进化,可以完成很多机器视觉和图像处理难以想象的视觉任务。通过对鲎和响尾蛇视觉特性进行研究,本文提出用仿生算法增强和融合红外图像和微光图像,从而获得色彩自然、目标突出的彩色融合图像。本文的主要研究工作如下:(1)对红外图像和微光图像进行特征分析并介绍了几种常用的颜色空间及其相互转换方法,为图像增强和彩色融合打下理论基础;对4种经典的红外图像和微光图像彩色融合算法进行深入分析和仿真实现,对比其优缺点。(2)研究了红外与微光图像仿生增强算法。首先针对红外图像和微光图像亮度水平低,对符合人眼视觉特性的对数函数进行改进,实现图像亮度水平的自适应调节;然后针对红外图像和微光图像对比度差,对鲎眼侧抑制网络进行改进,可以根据图像的边缘信息自适应调整侧抑制系数,增强局部细节信息和提高图像对比度。最后与鲎眼侧抑制算法和Retinex增强算法进行对比,本文仿生图像增强算法可以获得更好的增强效果。(3)由于麻省理工大学(Massachusetts Institute of Technology,MIT)仿生响尾蛇彩色融合法(简称MIT法)只模拟了响尾蛇红外抑制可见光细胞,且融合图像目标不突出,因此本文提出改进的MIT算法,可以完整体现响尾蛇双模式细胞的“增强”和“抑制”功能。最后与MIT算法进行对比实验和直方图分析,结果显示,本文改进的MIT仿生响尾蛇算法获得的彩色融合图像目标更清晰,易被人眼识别。(4)对本文改进的MIT仿生响尾蛇算法、MIT算法和吉林大学王勇算法获得的彩色融合图像进行主观质量评价和客观质量评价。主观评价结果表明,本文算法融合图像目标清晰,颜色层次丰富。客观评价结果显示,本文算法融合图像在在色彩度、互信息和结构相似度等方面均高于MIT法和王勇算法融合图像。说明本文算法融合图像比MIT法和王勇算法融合图像色彩层次丰富,而且包含更多的源图像信息、与源图像结构更相似。
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;TN219
【图文】：

1.3 国内外研究现状1.3.1 国外研究现状二十世纪八十年代，人们开始关注多传感器图像融合，九十年代，美国、荷兰、加拿大等国家纷纷开始致力于研究彩色夜视融合。其中美国麻省理工大学（Massachusetts Institute of Technology，MIT）林肯实验室和荷兰应用科学研究组织（NetherlandsOrganisationforAppliedScientificResearch，TNO）人类因素研究所在这方面取得了显著的成就[1]。MIT 林肯实验室 Allen M. Waxman 和 David A. Fay 等人[2-4]基于拮抗受域理论（Opponent Receptive FieldTheory）模仿响尾蛇双通道（红外和可见光）视觉特性融合红外图像和微光图像，可以获得较为自然的彩色融合图像，简称 MI法。David A. Fay[2]利用 MIT 法开发出多传感器夜视成像系统（Fusion of MultSensor Imagery for Night Vision），如图 1-1 所示。

其获得的彩色融合图像与红外、微光灰度图像之间建立二维查找表，最终根据二维查找表继续开展后续的彩色图像融合。查找表法为快速视频处理打开了一个新方向。2010 年至今[8,9]，Toet 等人接连开发了壁虎系统（Gecko System）、毒蛇系统（ViperSystem）和三波段彩色夜视系统（TRI-bandColorLow-lightObservation，TRICLOBS）[10,11]，如图 1-2 到图 1-4 所示。其中三波段指的是长波红外、近红外和可见光（微光）波段。2014 年起，Toet 建立 TNO 多波段图像数据库[12]，被全世界学者引用。

查找表继续开展后续的彩色图像融合。查找表法为快速视频处理打开了一方向。2010 年至今[8,9]，Toet 等人接连开发了壁虎系统（Gecko System）、毒蛇（ViperSystem）和三波段彩色夜视系统（TRI-bandColorLow-lightObservatioRICLOBS）[10,11]，如图 1-2 到图 1-4 所示。其中三波段指的是长波红外、近和可见光（微光）波段。2014 年起，Toet 建立 TNO 多波段图像数据库[12]，世界学者引用。图 1-2 壁虎系统

【相似文献】

相关期刊论文 前10条

1 张锦华;孙挺;;引入像点融合度修补的图像边缘化参差拼接实现[J];微电子学与计算机;2014年08期

2 翟逸飞;;基于FPGA的图像边缘处理研究[J];企业技术开发;2013年12期

3 顾长友;妙用Photoshop处理图像边缘[J];电脑知识与技术;2003年08期

4 濮群,余桂;用线性模型检测图像边缘[J];清华大学学报(自然科学版);1988年01期

5 宋建中;;喷雾图像的自动分析[J];光学机械;1988年04期

6 高华;;关于古建筑图像中破损点优化提取仿真[J];计算机仿真;2017年11期

7 刘娟娟;刘斌;;低照度非线性光学图像边缘自适应增强装置设计[J];激光杂志;2017年03期

8 张琳梅;;基于图像边缘增强的改进方法[J];信息系统工程;2016年03期

9 王水萍;邹蕾;;空中模糊目标图像边缘信息的融合与恢复方法[J];科技通报;2014年06期

10 朱庆生;杨世泉;柳锋;;基于图像边缘摘要的快速模板匹配[J];计算机应用研究;2009年02期

相关会议论文 前10条

1 陆成刚;陈刚;张但;闵春燕;;图像边缘的优化模型[A];'2002系统仿真技术及其应用学术论文集（第四卷）[C];2002年

2 王培珍;杨维翰;陈维南;;图像边缘信息的融合方案研究[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

3 王亮亮;李明;高昕;;强模糊空间目标图像边缘获取方法研究[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

4 陈炜;张阳阳;孟庆勋;;一种基于Curvelet变换的图像边缘增强方法[A];国家安全地球物理丛书（十）——地球物理环境与国家安全[C];2014年

5 张明慧;;基于模糊蒙片算法的CR图像边缘增强[A];第六届全国信息获取与处理学术会议论文集（1）[C];2008年

6 杨文秀;陆常周;;最优小波问题探讨[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

7 周胜灵;丁珠玉;;农产品边缘检测系统研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

8 胡昌伟;屈小波;郭迪;宁本德;陈忠;;基于边缘加权的l_1-l_2范数MRI欠采重建[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

9 王世平;马时平;李权合;何林远;王晨;丁文杉;刘坤;;一种基于边缘约束的快速图像去雾算法[A];第八届中国航空学会青年科技论坛论文集[C];2018年

10 杨唐文;王敏杰;秦勇;;融合图像边缘和区域特征的道路检测算法[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

相关重要报纸文章 前6条

1 侯杰;国产芯片进军移动多媒体市场[N];人民邮电;2003年

2 吴飞;无边距照片打印三部曲[N];中国电脑教育报;2003年

3 成岭;消除Premiere中慢镜头的图像抖动[N];电脑报;2003年

4 ;体验决定一切[N];中国计算机报;2003年

5 Wang JS;抠图又有新招[N];电脑报;2002年

6 ;令挑剔的人也刮目相看[N];中国电子报;2001年

相关博士学位论文 前10条

1 刘飞;透混沌介质偏振成像技术[D];西安电子科技大学;2016年

2 李永军;图像与视频低复杂度压缩算法研究[D];西安电子科技大学;2017年

3 何人杰;图像去雾与去湍流方法研究[D];西北工业大学;2017年

4 张文静;光场成像技术在天空偏振模式测量和湍流图像清晰化中的应用研究[D];国防科学技术大学;2016年

5 左承林;图像非局部均值去噪方法研究[D];国防科学技术大学;2016年

6 王丹;基于暗通道先验的图像和视频去雾模型及算法研究[D];国防科学技术大学;2016年

7 宋文青;SAR图像自动目标提取方法研究[D];西安电子科技大学;2018年

8 杨滨;图像克隆拼接篡改盲取证技术研究[D];湖南大学;2014年

9 张小帆;基于介观尺度的内燃机进气流场层析图像诊断机理研究[D];华南理工大学;2018年

10 颜小运;自然场景图像中显著物体检测方法研究[D];华中科技大学;2018年

相关硕士学位论文 前10条

1 蒋文宇;基于非局部总变分法的图像去噪算法研究[D];浙江工业大学;2018年

2 胡宇雯;基于领域知识驱动的深度学习Pan-sharpening方法[D];厦门大学;2017年

3 刘昱龙;高分辨率光学遥感图像舰船检测研究[D];厦门大学;2017年

4 陈晨;卡通图像显著性线条检测技术研究[D];厦门大学;2017年

5 郭建志;面向3D打印的向量场引导的图像线刻画生成方法[D];厦门大学;2017年

6 张光裕;高质量图像的渐进式并行检索算法研究[D];厦门大学;2017年

7 王怡;人脸图像修复技术研究[D];浙江工业大学;2018年

8 张阵;红外与微光图像彩色融合仿生算法的研究与实现[D];武汉理工大学;2018年

9 陈佳悦;小麦冠层图像处理及氮素图像评价指标研究[D];南京农业大学;2017年

10 王婉婉;激光主动成像的图像噪声抑制方法研究[D];长春理工大学;2018年

本文编号：2767389