面向双模式红外图像可重构融合的结构化算法类集构建研究
发布时间：2021-01-14 08:15
红外偏振与光强成像方式具有较大差异,根据两类成像方式所获得图像具有很强的互补性,融合两类图像可以获得丰富的目标信息,实现对目标的检测、识别与跟踪。在融合图像时,由于融合算法原理不同,对不同差异特征的表征能力也存在差异,只能根据先验知识选择融合算法,导致传统融合模型无法根据红外偏振与光强图像差异特征变化动态选择合适的融合算法,出现了融合模型表现较差甚至失效的状况。为了解决上述问题,本文以双模式红外图像融合算法为研究对象,研究建立面向双模式红外图像可重构融合的结构化算法类集,使可重构融合模型能够根据差异特征变化动态选择合适的融合算法。本文主要研究内容如下:（1）融合算法与差异特征关系分析:通过分析融合算法与差异特征的关系,明确算法类集构建研究所属的融合算法与差异特征的关系类型,简单分析了融合算法的原理和优缺点,总结了双模式红外图像中的差异特征类型并选择评价指标度量,为后面建立算法类集奠定基础。（2）基于图像差异特征的融合算法类集:从统计检验的角度研究融合算法分类,因弗里德曼检验能有效判断融合算法间的差异性,提出了基于弗里德曼检验的融合算法分类方法,探究结合算法间显著性差异和算法平均秩对融合...
【文章来源】：中北大学山西省
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
5组红外偏振与光强图像
第五章 结构化融合算法类集的实验分析本章通过实验来验证基于图像差异特征的融合算法类集和结构化融合算法类集客观评价与主观评价相结合，判断表现效果好的融合算法是否与所构建的融合算集一致，从而验证本研究建立的融合算法类集和结构化融合算法类集的有效性。.1 基于图像差异特征的融合算法类集验证分析重新选取三组验证图片，分别包含高楼、楼梯与车辆三类场景，如图 5.1 所示样使用14种融合算法对三组红外偏振与光强图像进行融合，融合图像如图5.2所示用灰度均值，标准差，边缘强度和空间频率评价指标评价图像中的四类差异特征理实验数据如表 5.1 所示。
（c）第三组验证图像融合结果图 5.2 红外偏振与光强融合图像表 5.1 三组验证图像的实验数据融合算法亮度 对比度 轮廓边缘 纹理细节Image1 Image2 Image3 Image1 Image2 Image3 Image1 Image2 Image3 Image1 Image2 Image3DWT 128.23 98.885 120.9 57.653 44.935 56.522 77.571 35.504 31.363 22.565 11.1 10.801DTCWT 74.756 71.702 98.264 39.554 27.693 29.624 69.135 35.382 35.474 18.941 10.214 10.666WPT 94.122 89.56 113.79 42.634 38.21 53.978 62.593 36.246 34.597 15.706 9.3865 9.0886NSCT 89.618 63.654 69.23 47.42 31.796 31.135 59.512 29.537 26.481 18.125 9.6077 9.403NSST 126.64 98.501 120.78 58.182 45.976 56.883 84.972 45.021 39.23 23.261 12.792 11.766LP 91.387 64.388 70.037 57.621 37.626 34.103 88.609 45.452 39.217 25.067 13.149 12.303CP 85.291 60.242 64.561 62.376 45.573 47.181 126.23 106.64 122.01 39.247 36.189 38.564RP 89.99 63.957 69.503 47.227 32.418 31.652 68.228 33.978 30.596 20.065 10.563 10.373GP 114.05 84.584 92.448 63.162 44.621 48.006 88.25 76.909 86.592 26.355 27.884 28.429MP 91.557 61.389 67.134 68.096 39.076 35.491 96.411 50.757 46.19 28.737 14.596 15.27TH 90.91 64.078 69.761 50.6 32.633 32.077 83.224 39.372 38.259 27.168 12.769 13.189GF 128.79 99.337 120.93 57.764 45.165 56.331 70.652 30.723 23.499 19.813 9.2318 7.4808MSVD 128.66 99.008 120.96 57.7 45.027 56.493 76.632 36.455 32.313 23.037 11.879 11.751
本文编号：2976552
【文章来源】：中北大学山西省
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
5组红外偏振与光强图像
第五章 结构化融合算法类集的实验分析本章通过实验来验证基于图像差异特征的融合算法类集和结构化融合算法类集客观评价与主观评价相结合，判断表现效果好的融合算法是否与所构建的融合算集一致，从而验证本研究建立的融合算法类集和结构化融合算法类集的有效性。.1 基于图像差异特征的融合算法类集验证分析重新选取三组验证图片，分别包含高楼、楼梯与车辆三类场景，如图 5.1 所示样使用14种融合算法对三组红外偏振与光强图像进行融合，融合图像如图5.2所示用灰度均值，标准差，边缘强度和空间频率评价指标评价图像中的四类差异特征理实验数据如表 5.1 所示。
（c）第三组验证图像融合结果图 5.2 红外偏振与光强融合图像表 5.1 三组验证图像的实验数据融合算法亮度 对比度 轮廓边缘 纹理细节Image1 Image2 Image3 Image1 Image2 Image3 Image1 Image2 Image3 Image1 Image2 Image3DWT 128.23 98.885 120.9 57.653 44.935 56.522 77.571 35.504 31.363 22.565 11.1 10.801DTCWT 74.756 71.702 98.264 39.554 27.693 29.624 69.135 35.382 35.474 18.941 10.214 10.666WPT 94.122 89.56 113.79 42.634 38.21 53.978 62.593 36.246 34.597 15.706 9.3865 9.0886NSCT 89.618 63.654 69.23 47.42 31.796 31.135 59.512 29.537 26.481 18.125 9.6077 9.403NSST 126.64 98.501 120.78 58.182 45.976 56.883 84.972 45.021 39.23 23.261 12.792 11.766LP 91.387 64.388 70.037 57.621 37.626 34.103 88.609 45.452 39.217 25.067 13.149 12.303CP 85.291 60.242 64.561 62.376 45.573 47.181 126.23 106.64 122.01 39.247 36.189 38.564RP 89.99 63.957 69.503 47.227 32.418 31.652 68.228 33.978 30.596 20.065 10.563 10.373GP 114.05 84.584 92.448 63.162 44.621 48.006 88.25 76.909 86.592 26.355 27.884 28.429MP 91.557 61.389 67.134 68.096 39.076 35.491 96.411 50.757 46.19 28.737 14.596 15.27TH 90.91 64.078 69.761 50.6 32.633 32.077 83.224 39.372 38.259 27.168 12.769 13.189GF 128.79 99.337 120.93 57.764 45.165 56.331 70.652 30.723 23.499 19.813 9.2318 7.4808MSVD 128.66 99.008 120.96 57.7 45.027 56.493 76.632 36.455 32.313 23.037 11.879 11.751
本文编号：2976552
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2976552.html
