基于PCNN的红外与可见光图像融合算法
发布时间：2023-01-09 14:27
红外图像是基于热辐射特性成像,在光线不足或恶劣天气条件下仍能捕获到目标,但是对场景的细节及纹理信息表现较差;而可见光图像是基于反射特性成像,包含更多细节和纹理信息,分辨率较高,但是在低光照或者被遮挡的情况下,捕捉不到目标信息。因此,将红外图像和可见光图像进行融合,有利于综合目标信息和丰富的场景信息,为今后的目标检测和识别提供有效依据。红外与可见光图像融合广泛地应用在目标探测、安防监控、自动目标识别、遥感和资源探测等领域并发挥着重要的作用。脉冲耦合神经网络（Pulse Coupled Neural Network,PCNN）具有同步脉冲和全局耦合的特性,目前被广泛应用在图像融合领域。针对目前红外图像与可见光图像融合算法中存在的问题,提出了两种基于PCNN的红外与可见光图像融合算法:（1）针对传统的基于多尺度变换的图像融合存在对比度不高、边缘细节等信息保留不理想的问题,提出了一种基于非下采样Contourlet变换域内结合自适应模糊逻辑和自适应PCNN的融合算法。首先,采用非下采样Contourlet变换图像进行多尺度分解得到低频子带系数和高频子带系数;其次,为了充分获取低频子带中的轮廓信...
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 本文研究内容及章节安排
2 红外与可见光图像融合概述
2.1 红外与可见光图像融合
2.2 红外与可见光图像融合方法
2.2.1 基于空间域的图像融合方法
2.2.2 基于多尺度变换的图像融合方法
2.2.3 其他图像融合方法
2.3 红外与可见光图像融合的评价方法
2.3.1 主观评价
2.3.2 客观评价
2.4 本章小结
3 基于PCNN的红外与可见光图像融合
3.1 脉冲耦合神经网络
3.2 PCNN神经元模型
3.2.1 接受域
3.2.2 调制域
3.2.3 脉冲发生部分
3.3 PCNN简化模型
3.4 基于PCNN的红外与可见光图像融合算法
3.5 本章小结
4 基于NSCT域内结合模糊逻辑和自适应PCNN的图像融合算法
4.1 引言
4.2 NSCT原理
4.2.1 非下采样金字塔分解
4.2.2 非下采样方向滤波器组
4.3 模糊逻辑原理
4.4 图像融合算法设计
4.4.1 图像融合算法步骤
4.4.2 图像融合规则设计
4.5 实验结果与分析
4.5.1 实验参数设置
4.5.2 实验结果和分析
4.6 本章小结
5 基于RGF和改进自适应Unit-Linking PCNN的红外与可见光图像融合算法.
5.1 引言
5.2 相关理论
5.2.1 RGF原理
5.2.2 Unit-Linking PCNN模型
5.3 改进Unit-Linking PCNN
5.4 图像融合算法设计
5.4.1 图像融合算法步骤
5.4.2 图像融合规则设计
5.5 实验结果与分析
5.5.1 参数设置
5.5.2 实验客观指标分析
5.6 本章小结
6 基于PCNN的红外与可见光图像融合系统
6.1 引言
6.2 系统设计思路
6.3 系统实现
6.3.1 系统运行环境
6.3.2 系统运行配置
6.3.3 系统运行界面
6.4 本章小结
结论
致谢
参考文献
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]基于超分辨率和组稀疏表示的多聚焦图像融合[J]. 冯鑫,胡开群,袁毅,张建华,翟治芬. 光子学报. 2019(07)
[2]基于多尺度方向引导滤波和卷积稀疏表示的红外与可见光图像融合[J]. 刘先红,陈志斌. 光学学报. 2017(11)
[3]基于NSST和模糊隶属度的红外图像增强算法[J]. 谭海佩,巩青歌,刘曼,罗杰. 激光杂志. 2017(07)
[4]NSST域模糊逻辑的红外与可见光图像融合[J]. 葛雯,姬鹏冲,赵天臣. 激光技术. 2016(06)
[5]基于多尺度变换的PCNN和FOA图像融合[J]. 李美丽. 光电子·激光. 2016(07)
[6]NSCT域内结合边缘特征和自适应PCNN的红外与可见光图像融合[J]. 闫利,向天烛. 电子学报. 2016(04)
[7]Curvelet域自适应脉冲耦合神经网络的图像融合方法[J]. 王昊鹏,刘泽乾,方兴,张会勇,王晶横. 光电子·激光. 2016(04)
[8]粒子群进化学习自适应双通道脉冲耦合神经网络图像融合方法研究[J]. 李奕,吴小俊. 电子学报. 2014(02)
[9]基于边缘特征的多传感器图像融合算法[J]. 童涛,杨桄,孟强强,孙嘉成,叶怡,陈晓榕. 红外与激光工程. 2014(01)
[10]NSCT域内基于改进PCNN和区域能量的多光谱和全色图像融合方法[J]. 李新娥,任建岳,吕增明,沙巍,张立国,何斌. 红外与激光工程. 2013(11)
博士论文
[1]微光与红外图像实时融合关键技术研究[D]. 田思.南京理工大学 2010
硕士论文
[1]基于模糊逻辑的红外与可见光图像融合技术[D]. 黄晓青.重庆大学 2012
[2]基于颜色传感器自动滴定分析技术研究[D]. 杨凌.南京理工大学 2012
[3]基于模糊数学理论的数字图像处理[D]. 吴振华.长沙理工大学 2010
[4]红外与可见光图像融合技术研究[D]. 刘宝源.华中科技大学 2009
本文编号：3729344
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 本文研究内容及章节安排
2 红外与可见光图像融合概述
2.1 红外与可见光图像融合
2.2 红外与可见光图像融合方法
2.2.1 基于空间域的图像融合方法
2.2.2 基于多尺度变换的图像融合方法
2.2.3 其他图像融合方法
2.3 红外与可见光图像融合的评价方法
2.3.1 主观评价
2.3.2 客观评价
2.4 本章小结
3 基于PCNN的红外与可见光图像融合
3.1 脉冲耦合神经网络
3.2 PCNN神经元模型
3.2.1 接受域
3.2.2 调制域
3.2.3 脉冲发生部分
3.3 PCNN简化模型
3.4 基于PCNN的红外与可见光图像融合算法
3.5 本章小结
4 基于NSCT域内结合模糊逻辑和自适应PCNN的图像融合算法
4.1 引言
4.2 NSCT原理
4.2.1 非下采样金字塔分解
4.2.2 非下采样方向滤波器组
4.3 模糊逻辑原理
4.4 图像融合算法设计
4.4.1 图像融合算法步骤
4.4.2 图像融合规则设计
4.5 实验结果与分析
4.5.1 实验参数设置
4.5.2 实验结果和分析
4.6 本章小结
5 基于RGF和改进自适应Unit-Linking PCNN的红外与可见光图像融合算法.
5.1 引言
5.2 相关理论
5.2.1 RGF原理
5.2.2 Unit-Linking PCNN模型
5.3 改进Unit-Linking PCNN
5.4 图像融合算法设计
5.4.1 图像融合算法步骤
5.4.2 图像融合规则设计
5.5 实验结果与分析
5.5.1 参数设置
5.5.2 实验客观指标分析
5.6 本章小结
6 基于PCNN的红外与可见光图像融合系统
6.1 引言
6.2 系统设计思路
6.3 系统实现
6.3.1 系统运行环境
6.3.2 系统运行配置
6.3.3 系统运行界面
6.4 本章小结
结论
致谢
参考文献
攻读学位期间的研究成果
【参考文献】：
期刊论文
[1]基于超分辨率和组稀疏表示的多聚焦图像融合[J]. 冯鑫,胡开群,袁毅,张建华,翟治芬. 光子学报. 2019(07)
[2]基于多尺度方向引导滤波和卷积稀疏表示的红外与可见光图像融合[J]. 刘先红,陈志斌. 光学学报. 2017(11)
[3]基于NSST和模糊隶属度的红外图像增强算法[J]. 谭海佩,巩青歌,刘曼,罗杰. 激光杂志. 2017(07)
[4]NSST域模糊逻辑的红外与可见光图像融合[J]. 葛雯,姬鹏冲,赵天臣. 激光技术. 2016(06)
[5]基于多尺度变换的PCNN和FOA图像融合[J]. 李美丽. 光电子·激光. 2016(07)
[6]NSCT域内结合边缘特征和自适应PCNN的红外与可见光图像融合[J]. 闫利,向天烛. 电子学报. 2016(04)
[7]Curvelet域自适应脉冲耦合神经网络的图像融合方法[J]. 王昊鹏,刘泽乾,方兴,张会勇,王晶横. 光电子·激光. 2016(04)
[8]粒子群进化学习自适应双通道脉冲耦合神经网络图像融合方法研究[J]. 李奕,吴小俊. 电子学报. 2014(02)
[9]基于边缘特征的多传感器图像融合算法[J]. 童涛,杨桄,孟强强,孙嘉成,叶怡,陈晓榕. 红外与激光工程. 2014(01)
[10]NSCT域内基于改进PCNN和区域能量的多光谱和全色图像融合方法[J]. 李新娥,任建岳,吕增明,沙巍,张立国,何斌. 红外与激光工程. 2013(11)
博士论文
[1]微光与红外图像实时融合关键技术研究[D]. 田思.南京理工大学 2010
硕士论文
[1]基于模糊逻辑的红外与可见光图像融合技术[D]. 黄晓青.重庆大学 2012
[2]基于颜色传感器自动滴定分析技术研究[D]. 杨凌.南京理工大学 2012
[3]基于模糊数学理论的数字图像处理[D]. 吴振华.长沙理工大学 2010
[4]红外与可见光图像融合技术研究[D]. 刘宝源.华中科技大学 2009
本文编号：3729344
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3729344.html
