基于过采样图滤波器组的红外与可见光图像融合

发布时间：2021-03-09 16:32

　　红外与可见光图像融合是多传感器图像融合领域里的一个重要分支,它可以有效地综合红外图像与可见光图像的关键信息。单一的可见光图像易受天气、光照强度等影响,但可见光图像对比度较强、能够反映出更多的细节信息。红外图像对比度较低,但是即使在能见度很低的情况下,依然能够比较容易地发现目标,所以对这两幅图像中的信息进行整合有助于增强和发现目标。多尺度变换方法是处理红外与可见光图像融合的主流方法,一些多尺度变换方法包括小波变换、金字塔变换等,这些方法的优点是提供人类视觉皮层敏感的尖锐对比度变化信息,并保存不同源图像的细节,但是这些方法没有充分考虑到源图像的空间一致性,无法保留源图像更多的纹理和边缘信息。所以,本文提出了一种新的用于图像融合的方法——过采样图滤波器组,该方法有更精细的频谱分解能力。本文的主要内容如下:1.提出基于M-通道过采样图滤波器组的红外与可见光图像融合方法。具体来说,将源图像视为常规图上的信号,并使用M-通道过采样图形滤波器组对其分解成低频和高频子带,这些子带表示图小波域中的不同频率分量。然后,利用基于标准差的局部性质和双边滤波器构造低频子带和高频子带的融合权重值,对每个子带的系数... 

【文章来源】：哈尔滨工程大学黑龙江省 211工程院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

八组源红外与可见光图像：(a)Natocamp，(b)Kaptein_1123，(c)bench，(d)lake，(e)

(e) (f) (g) (h)sandpath”的融合结果：(a)近红外源图像，(b)远红外源图像，(c)可见光章方法，(e)SWT，(f)MSVD，(g)SGWT，(h)CVT。(a) (b) (c) (d)(e) (f) (g) (h)bench”的融合结果：(a)近红外源图像，(b)远红外源图像，(c)可见光源方法，(e)SWT，(f)MSVD，(g)SGWT，(h)CVT。

(e) (f) (g) (h)bench”的融合结果：(a)近红外源图像，(b)远红外源图像，(c)可见光源方法，(e)SWT，(f)MSVD，(g)SGWT，(h)CVT。(a) (b) (c) (d)(e) (f) (g) (h)Kaptein_1123”的融合结果：(a)近红外源图像，(b)远红外源图像，(c)(d)本章方法，(e)SWT，(f)MSVD，(g)SGWT，(h)CVT。

【参考文献】：
期刊论文
[1]基于多特征的红外与可见光图像融合[J]. 杨桄,童涛,陆松岩,李紫阳,郑悦.  光学精密工程. 2014(02)
[2]基于得分的近红外线与可见光图像融合算法[J]. 潘磊,尹义龙,李徐周.  计算机工程. 2013(04)
[3]多传感器图像融合[J]. 高大伟,宋玉莉.  科技信息. 2008(31)
[4]基于非下采样Contourlet变换的多传感器图像融合[J]. 贾建,焦李成,孙强.  电子学报. 2007(10)

硕士论文
[1]基于改进多尺度分析的红外与可见光图像融合方法研究[D]. 吴雪.南京理工大学 2014
[2]基于双树复小波变换的多聚焦图像的融合[D]. 宋瑾.苏州大学 2008



本文编号：3073132