基于稀疏表示模型的热红外与可见光图像融合研究

发布时间：2017-09-08 06:30

  本文关键词：基于稀疏表示模型的热红外与可见光图像融合研究

  更多相关文章： 多模态配准 距离度量学习 多模态融合 字典学习 稀疏表示 拉普拉斯正则化

【摘要】：热红外图像与可见光图像融合是计算机视觉领域的一个基础问题,它采用一些算法提取出不同波段图像的特征,将它们融合在一起,使得融合后的图像更加清晰、信息更加全面,更便于人眼识别,使得观察者也更容易理解当前的场景。热红外与可见光工作在不同的波段,它们的成像机理也不同、各有特点,它们既有各自的优势,也有一些不足之处。所以,在实际场景中通常将热红外图像与可见光图像融合,使得不同的模态图像在信息上达到互补,进而弥补单一模态图像成像在某些条件下的不足。由于融合后的图像结合了两种模态图像的特征,它能够使观察者更充分的理解场景信息,因此热红外与可见光图像融合被应用于包括视频监控、军事以及电力系统在内的诸多领域。随着相关技术不断地发展进步,多模态图像融合的应用领域正变得越来越多元化。与此同时,各领域对多模态图像融合效果的要求也越来越高,研究人员对多模态图像融合的研究力度还在不断地加大。目前,有许多实现多模态图像融合的算法。常用的多模态图像融合算法都或多或少存在一些问题,其融合结果也一直未能达到更加理想的效果。为了提升多模态图像融合的效果,本文采用了一种基于拉普拉斯稀疏表示模型的算法来实现不同模态图像之间的融合,主要的研究工作在以下的几个方面：(1)由于不同模态图像的成像机理不同,不同模态之间的对应关系很难准确建立起来,传统的用于单一模态间图像配准的算法在不同模态图像配准上无法达到理想的效果。针对上述问题,本文结合距离度量学习提出了一种多模态图像配准的算法,通过学习不同模态图像之间的距离度量可以较准确地建立不同模态图像之间的变换关系。实验证明该算法配准效果良好。(2)本文介绍了多模态图像融合的现有算法,针对现有算法存在的问题,本文采用基于稀疏表示模型的多模态图像融合算法来对不同模态的图像进行融合,为了提高算法的鲁棒性,本文算法在原始的稀疏表示模型之上增加了一个拉普拉斯正则化项,使得融合后的图像效果对图像的细节反映更加明显。该算法包括了字典学习、稀疏表示以及多模态融合三个部分,实验结果相比其它算法有所提升,该融合算法效果良好。
【关键词】：多模态配准 距离度量学习 多模态融合 字典学习 稀疏表示 拉普拉斯正则化
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要3-5
• Abstract5-11
• 第一章 绪论11-16
• 1.1 多模态图像融合的研究背景与意义11-13
• 1.2 多模态图像融合的研究现状13-14
• 1.3 论文主要内容及结构14-16
• 第二章 相关理论基础16-28
• 2.1 多模态图像配准16-23
• 2.2 多模态图像融合23-25
• 2.3 图像质量评价25-27
• 2.4 本章总结27-28
• 第三章 基于距离度量学习的多模态图配准28-37
• 3.1 引言28-29
• 3.2 基于SIFT特征的多模态距离度量学习29-32
• 3.2.1 多模态图像SIFT特征提取29-30
• 3.2.2 多模态距离度量学习30-32
• 3.3 基于多模态距离度量的图像配准算法32-34
• 3.4 实验与分析34-36
• 3.4.1 定量分析34
• 3.4.2 定性分析34-36
• 3.5 本章总结36-37
• 第四章 基于正则化稀疏表示模型的多模态图融合37-48
• 4.1 引言37-38
• 4.2 基于拉普拉斯稀疏表示模型的多模态图像描述38-42
• 4.2.1 稀疏表示模型概述38-39
• 4.2.2 多模态图像字典学习39-40
• 4.2.3 多模态图像拉普拉斯稀疏表示40-42
• 4.3 基于稀疏表示系数的多模态图像融合算法42-43
• 4.4 实验与分析43-46
• 4.4.1 定量分析43-44
• 4.4.2 定性分析44-46
• 4.5 本章总结46-48
• 第五章 总结与展望48-51
• 5.1 论文总结48-49
• 5.2 未来的工作展望49-51
• 参考文献51-57
• 致谢57-59
• 攻读硕士学位期间发表的学术论文59-60
• 攻读硕士学位期间所参加的科研项目60

【参考文献】

中国期刊全文数据库 前10条

1 唐永鹤;陶华敏;卢焕章;胡谋法;;一种基于Harris算子的快速图像匹配算法[J];武汉大学学报(信息科学版);2012年04期

2 王佐成;刘晓冬;薛丽霞;;Canny算子边缘检测的一种改进方法[J];计算机工程与应用;2010年34期

3 周海芳;杜云飞;杨学军;李思昆;;基于互信息的遥感图像区域配准并行算法的研究与实现[J];中国图象图形学报;2010年01期

4 蒋刚毅;黄大江;王旭;郁梅;;图像质量评价方法研究进展[J];电子与信息学报;2010年01期

5 黄勇杰;王树国;张生;;基于区域特征的图像自动配准方法[J];计算机工程与设计;2009年16期

6 王福田;汤进;罗斌;;带电设备红外辅助诊断系统的开发[J];计算机技术与发展;2009年04期

7 张春森;;基于点特征匹配的SUSAN,Harris算子比较[J];西安科技大学学报;2007年04期

8 郑志彬;叶中付;;基于相位相关的图像配准算法[J];数据采集与处理;2006年04期

9 陈志刚;宋胜锋;李陆冀;包磊;;基于相似原理的点特征松弛匹配算法[J];火力与指挥控制;2006年01期

10 刘亦书,杨力华,孙倩;轮廓矩不变量及其在物体形状识别中的应用[J];中国图象图形学报;2004年03期

中国博士学位论文全文数据库 前3条

1 桑庆兵;半参考和无参考图像质量评价新方法研究[D];江南大学;2013年

2 邓承志;图像稀疏表示理论及其应用研究[D];华中科技大学;2008年

3 李晖晖;多传感器图像融合算法研究[D];西北工业大学;2006年

中国硕士学位论文全文数据库 前7条

1 张威;数字图像增强的研究及其实现[D];长江大学;2014年

2 王玲玲;红外目标检测与跟踪算法研究[D];陕西师范大学;2013年

3 卜珂;基于SURF的图像配准与拼接技术研究[D];大连理工大学;2009年

4 陈贤巧;基于特征的图像配准算法研究[D];中国科学技术大学;2009年

5 郭晓杰;红外图像配准技术在电力设备故障检测中的研究与应用[D];北方工业大学;2008年

6 任文杰;图像边缘检测方法的研究[D];山东大学;2008年

7 王蕾;图像配准技术及应用研究[D];西安电子科技大学;2007年

，

本文编号：812435