当前位置:主页 > 科技论文 > 电子信息论文 >

可见光图像与红外图像融合算法研究

发布时间:2021-07-26 00:27
  由于成像原理不同,光学与红外传感器对同一场景的描述存在差异。可见光与红外图像表征了互补的场景信息,图像融合将不同源图像信息进行综合,创建信息更加全面、完整的融合图像。现有融合算法存在纹理细节信息丢失,显著目标、轮廓保留不完整等问题,不利于对场景信息的感知和理解。针对上述问题,本文分析了可见光与红外图像的特点,提出了三种新的可见光和红外图像融合方法,主要内容以及成果如下:(1)为了使源图像中的显著信息保留更加充分,本文提出一种基于NSCT的可见光与红外图像融合方法。该方法首先通过NSCT分解得到多尺度以及多方向上的高、低频子带图像;其次借助高斯模糊逻辑自适应地构建低频分量权重图,利用绝对值取大方法融合高频子带分量。实验表明,本算法能够在融合图像中更好地保留源图像的显著特征,提高图像对比度。(2)为了避免图像多尺度分解融合算法产生的“振铃”效应,同时充分保留源图像中的显著目标和纹理细节,本文提出一种基于显著性检测的图像融合方法。该方法首先根据双边滤波对源图像进行分解得到基层和细节层;其次通过显著性检测构建基层权重图完成信息融合,细节层采用绝对值取大的方法进行处理。实验表明,本算法能够克服融... 

【文章来源】:西安科技大学陕西省

【文章页数】:57 页

【学位级别】:硕士

【部分图文】:

可见光图像与红外图像融合算法研究


基于NSCT的图像融合算法框图

图像轮廓,下采样


西安科技大学全日制工程硕士学位论文8图2.2 图像轮廓波变换由于轮廓波变换在图像分解过程中进行“下采样”操作,使得图像高频分量产生频谱混叠,导致伪Gibbs现象[19]发生。因此,为了避免这一问题,非下采样轮廓波变换应运而生。NSCT的组成包括非下采样金字塔滤波器组(Non-Sampled Pyramid Filter Bank,NSPFB)和非下采样方向滤波器组(Non-Sampled Directional Filter Bank,NSDFB)两部分,在不同尺度和不同方向上具有良好的分解特性。该方法的分解过程避免了“下采样”过程,得到的子带图像与源图像大小一致,具有良好的移位不变性。图2.3给出了NSCT分解结构示意图。(a)NSCT原理 (b)频域分解图2.3 NSCT分解结构示意图①非下采样金字塔滤波器组NSPFB通过一个双通道的非下采样滤波器组构成

示意图,分解结构,示意图,下采样


图2.2 图像轮廓波变换由于轮廓波变换在图像分解过程中进行“下采样”操作,使得图像高频分量产生频谱混叠,导致伪Gibbs现象[19]发生。因此,为了避免这一问题,非下采样轮廓波变换应运而生。NSCT的组成包括非下采样金字塔滤波器组(Non-Sampled Pyramid Filter Bank,NSPFB)和非下采样方向滤波器组(Non-Sampled Directional Filter Bank,NSDFB)两部分,在不同尺度和不同方向上具有良好的分解特性。该方法的分解过程避免了“下采样”过程,得到的子带图像与源图像大小一致,具有良好的移位不变性。图2.3给出了NSCT分解结构示意图。

【参考文献】:
期刊论文
[1]基于NSST变换和PCNN的医学图像融合方法[J]. 田娟秀,刘国才.  中国医学物理学杂志. 2018(08)
[2]遥感数据融合技术文献综述[J]. 闫晗晗,邢波涛,任璐,张琳,姚麟倩,段子阳,李晨曦,李锵.  电子测量技术. 2018(09)
[3]基于深度堆叠卷积神经网络的图像融合[J]. 蔺素珍,韩泽.  计算机学报. 2017(11)
[4]一种基于稀疏表示的可见光与红外图像融合方法[J]. 张生伟,李伟,赵雪景.  电光与控制. 2017(06)
[5]基于视觉显著性和NSCT的红外与可见光图像融合[J]. 傅志中,王雪,李晓峰,徐进.  电子科技大学学报. 2017(02)
[6]一种基于局部方差相似度的自适应图像融合算法[J]. 陈孝培,杨学志,方帅,董张玉.  合肥工业大学学报(自然科学版). 2016(12)
[7]多尺度梯度域可见光与红外热图像融合方法研究[J]. 肖儿良,刘雯雯.  计算机应用研究. 2015(10)
[8]小波变换不同替换方法对图像融合的影响[J]. 李昕昱,张颖.  地理空间信息. 2014(02)
[9]基于稀疏表示的自适应图像融合方法研究[J]. 肖冬杰,李其申,周翠岭.  计算机应用与软件. 2014(03)
[10]基于独立成分分析和IHS变换域的灰度可见光和红外图像融合[J]. 邢雅琼,王晓丹,毕凯,郝新娣.  控制与决策. 2014(03)



本文编号:3303073

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3303073.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户0f4a4***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com