基于多尺度及显著区域分析的红外与可见光图像融合算法研究

发布时间：2020-12-30 07:18

　　图像融合旨在将来自不同模态传感器的多个输入图像合并为一个图像,增强关于场景的理解。红外与可见光图像融合是图像融合的重要分支,其充分利用了红外与可见光图像信息的互补性进行融合,融合结果不仅能提供相关场景更为全面的信息,还对后续应用比如目标检测,目标跟踪等有指导性的意义。基于多尺度分析的融合算法和基于显著区域分析的融合算法是目前红外与可见光图像融合领域中的两类重要算法,因为它们能很好的表现图像的固有特征,有助于提高最终融合图像的视觉效果。但是这两类算法在实际的红外与可见光图像融合过程中也存在着一些问题,很多学者也为了解决这些问题提出了很多改进算法,但是目前并没有哪种算法可以解决融合过程中可能遇到的所有问题,都是针对其中的某方面问题进行改进。本文针对这两类算法在实际工程应用中遇到的四个典型且常见的问题,设计了四种融合方法,具体如下:1.针对常规的多尺度分析方法依赖预先定义的变换方式,在面对源图像中众多不确定场景时缺乏稳定性和灵活性的问题,我们改进了全局局部拓扑粒子群优化算法（Fusion Global-Local-Topology Partical Swarm Optimization,FG... 

【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省

【文章页数】：144 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究背景及意义
    1.2 图像融合研究现状
        1.2.1 图像融合的层次级别
        1.2.2 红外与可见光融合理论研究现状
        1.2.3 红外与可见光图像融合应用
        1.2.4 图像融合算法存在的问题
    1.3 论文研究内容与章节安排
        1.3.1 论文主要研究内容
        1.3.2 论文章节安排
第二章 红外与可见光融合算法概述
    2.1 红外与可见光成像机理及图像特征
        2.1.1 红外与可见光图像成像机理
        2.1.2 红外与可见光图像的区别与联系
    2.2 常用的红外与可见光图像融合方法概述
        2.2.1 基于多尺度分析的红外与可见光图像融合方法
        2.2.2 基于显著区域分析的红外与可见光图像融合方法
    2.3 图像融合质量评价
        2.3.1 主观评价方法
        2.3.2 客观评价方法
    2.4 本章小结
第三章 基于自适应权重的双尺度图像融合算法
    3.1 引言
    3.2 隐式低秩表示理论
        3.2.1 子空间聚类与低秩表示理论
        3.2.2 隐式低秩表示理论
    3.3 粒子群优化算法及其改进
        3.3.1 粒子群优化算法
        3.3.2 改进的全局局部拓扑粒子群优化算法
    3.4 本章融合算法分析
        3.4.1 显著子图像融合
        3.4.2 低秩子图像融合
        3.4.3 图像重构
        3.4.4 实验结果与分析
    3.5 本章小结
第四章 基于改进的共现滤波器的多尺度图像融合算法
    4.1 共现滤波器相关理论
    4.2 离散紧支撑剪切波变换
        4.2.1 连续剪切波变换
        4.2.2 离散紧支撑剪切波变换
    4.3 本章融合算法分析
        4.3.1 源图像分解方法及融合算法流程介绍
        4.3.2 基础层融合规则
        4.3.3 细节层子图像融合规则
        4.3.4 实验结果与分析
    4.4 本章小结
第五章 基于多特征显著区域分析的图像融合算法
    5.1 引言
    5.2 多特征显著性区域检测及提取
        5.2.1 四元数傅里叶变换的相位谱模型
        5.2.2 显著性区域的检测
        5.2.3 显著性区域的提取
    5.3 显著区域与非显著区域融合规则
        5.3.1 显著区域融合规则
        5.3.2 非显著区域融合规则
    5.4 实验结果与分析
    5.5 本章小结
第六章 基于红外显著区域提取与NSST的图像融合算法
    6.1 引言
    6.2 红外显著区域检测及提取
        6.2.1 红外图像全局显著图构建
        6.2.2 红外图像局部显著图构建
    6.3 基于红外显著区域提取与NSST的图像融合算法
        6.3.1 NSST算法简介
        6.3.2 算法流程介绍
    6.4 实验结果与分析
    6.5 本章小结
第七章 总结与展望
    7.1 论文涉及的所有融合算法的综合性能客观评价
    7.2 论文主要工作内容总结
    7.3 后续研究工作展望
参考文献
致谢
作者简介及攻读学位期间发表的学术论文与研究成果


【参考文献】：
期刊论文
[1]基于改进引导滤波和量子遗传算法的图像融合[J]. 李晓玲,聂祥飞,黄海波,张月.  电光与控制. 2020(02)
[2]一种基于NSST和字典学习的红外和可见光图像融合算法[J]. 刘战文,冯燕,李旭,丁鹏飞,徐继明.  西北工业大学学报. 2017(03)
[3]NSST域改进NMF的红外与可见光图像融合[J]. 葛雯,姬鹏冲,赵天臣.  光电工程. 2016(04)

博士论文
[1]可见光遥感图像海面目标自动检测关键技术研究[D]. 徐芳.中国科学院大学(中国科学院长春光学精密机械与物理研究所) 2018
[2]基于多尺度几何分析的红外与可见光图像融合方法研究[D]. 沈瑜.兰州交通大学 2017
[3]机载光电平台红外与可见光图像融合系统关键技术研究[D]. 左羽佳.中国科学院长春光学精密机械与物理研究所 2017
[4]红外与可见光图像融合技术研究[D]. 张蕾.中国科学院研究生院(长春光学精密机械与物理研究所) 2015
[5]红外与可见光图像融合算法研究[D]. 周渝人.中国科学院研究生院(长春光学精密机械与物理研究所) 2014

硕士论文
[1]基于矩阵低秩稀疏分解的图像融合算法研究[D]. 张培元.电子科技大学 2017



本文编号：2947235