【摘要】：目前紅外圖像和微光圖像融合大都處于灰度融合階段,而人眼對于灰度信息的分辨能力與彩色信息相比要低得多,彩色融合圖像可以讓人眼更快的識別目標(biāo)和場景。因此開展紅外圖像和微光圖像彩色融合算法研究十分重要。生物視覺經(jīng)過大自然數(shù)億年的進(jìn)化,可以完成很多機(jī)器視覺和圖像處理難以想象的視覺任務(wù)。通過對鱟和響尾蛇視覺特性進(jìn)行研究,本文提出用仿生算法增強(qiáng)和融合紅外圖像和微光圖像,從而獲得色彩自然、目標(biāo)突出的彩色融合圖像。本文的主要研究工作如下:(1)對紅外圖像和微光圖像進(jìn)行特征分析并介紹了幾種常用的顏色空間及其相互轉(zhuǎn)換方法,為圖像增強(qiáng)和彩色融合打下理論基礎(chǔ);對4種經(jīng)典的紅外圖像和微光圖像彩色融合算法進(jìn)行深入分析和仿真實(shí)現(xiàn),對比其優(yōu)缺點(diǎn)。(2)研究了紅外與微光圖像仿生增強(qiáng)算法。首先針對紅外圖像和微光圖像亮度水平低,對符合人眼視覺特性的對數(shù)函數(shù)進(jìn)行改進(jìn),實(shí)現(xiàn)圖像亮度水平的自適應(yīng)調(diào)節(jié);然后針對紅外圖像和微光圖像對比度差,對鱟眼側(cè)抑制網(wǎng)絡(luò)進(jìn)行改進(jìn),可以根據(jù)圖像的邊緣信息自適應(yīng)調(diào)整側(cè)抑制系數(shù),增強(qiáng)局部細(xì)節(jié)信息和提高圖像對比度。最后與鱟眼側(cè)抑制算法和Retinex增強(qiáng)算法進(jìn)行對比,本文仿生圖像增強(qiáng)算法可以獲得更好的增強(qiáng)效果。(3)由于麻省理工大學(xué)(Massachusetts Institute of Technology,MIT)仿生響尾蛇彩色融合法(簡稱MIT法)只模擬了響尾蛇紅外抑制可見光細(xì)胞,且融合圖像目標(biāo)不突出,因此本文提出改進(jìn)的MIT算法,可以完整體現(xiàn)響尾蛇雙模式細(xì)胞的“增強(qiáng)”和“抑制”功能。最后與MIT算法進(jìn)行對比實(shí)驗(yàn)和直方圖分析,結(jié)果顯示,本文改進(jìn)的MIT仿生響尾蛇算法獲得的彩色融合圖像目標(biāo)更清晰,易被人眼識別。(4)對本文改進(jìn)的MIT仿生響尾蛇算法、MIT算法和吉林大學(xué)王勇算法獲得的彩色融合圖像進(jìn)行主觀質(zhì)量評價和客觀質(zhì)量評價。主觀評價結(jié)果表明,本文算法融合圖像目標(biāo)清晰,顏色層次豐富�？陀^評價結(jié)果顯示,本文算法融合圖像在在色彩度、互信息和結(jié)構(gòu)相似度等方面均高于MIT法和王勇算法融合圖像。說明本文算法融合圖像比MIT法和王勇算法融合圖像色彩層次豐富,而且包含更多的源圖像信息、與源圖像結(jié)構(gòu)更相似。
【學(xué)位授予單位】：武漢理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;TN219
【圖文】：

1.3 國內(nèi)外研究現(xiàn)狀1.3.1 國外研究現(xiàn)狀二十世紀(jì)八十年代，人們開始關(guān)注多傳感器圖像融合，九十年代，美國、荷蘭、加拿大等國家紛紛開始致力于研究彩色夜視融合。其中美國麻省理工大學(xué)（Massachusetts Institute of Technology，MIT）林肯實(shí)驗(yàn)室和荷蘭應(yīng)用科學(xué)研究組織（NetherlandsOrganisationforAppliedScientificResearch，TNO）人類因素研究所在這方面取得了顯著的成就[1]。MIT 林肯實(shí)驗(yàn)室 Allen M. Waxman 和 David A. Fay 等人[2-4]基于拮抗受域理論（Opponent Receptive FieldTheory）模仿響尾蛇雙通道（紅外和可見光）視覺特性融合紅外圖像和微光圖像，可以獲得較為自然的彩色融合圖像，簡稱 MI法。David A. Fay[2]利用 MIT 法開發(fā)出多傳感器夜視成像系統(tǒng)（Fusion of MultSensor Imagery for Night Vision），如圖 1-1 所示。

其獲得的彩色融合圖像與紅外、微光灰度圖像之間建立二維查找表，最終根據(jù)二維查找表繼續(xù)開展后續(xù)的彩色圖像融合。查找表法為快速視頻處理打開了一個新方向。2010 年至今[8,9]，Toet 等人接連開發(fā)了壁虎系統(tǒng)（Gecko System）、毒蛇系統(tǒng)（ViperSystem）和三波段彩色夜視系統(tǒng)（TRI-bandColorLow-lightObservation，TRICLOBS）[10,11]，如圖 1-2 到圖 1-4 所示。其中三波段指的是長波紅外、近紅外和可見光（微光）波段。2014 年起，Toet 建立 TNO 多波段圖像數(shù)據(jù)庫[12]，被全世界學(xué)者引用。

查找表繼續(xù)開展后續(xù)的彩色圖像融合。查找表法為快速視頻處理打開了一方向。2010 年至今[8,9]，Toet 等人接連開發(fā)了壁虎系統(tǒng)（Gecko System）、毒蛇（ViperSystem）和三波段彩色夜視系統(tǒng)（TRI-bandColorLow-lightObservatioRICLOBS）[10,11]，如圖 1-2 到圖 1-4 所示。其中三波段指的是長波紅外、近和可見光（微光）波段。2014 年起，Toet 建立 TNO 多波段圖像數(shù)據(jù)庫[12]，世界學(xué)者引用。圖 1-2 壁虎系統(tǒng)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張錦華;孫挺;;引入像點(diǎn)融合度修補(bǔ)的圖像邊緣化參差拼接實(shí)現(xiàn)[J];微電子學(xué)與計(jì)算機(jī);2014年08期

2 翟逸飛;;基于FPGA的圖像邊緣處理研究[J];企業(yè)技術(shù)開發(fā);2013年12期

3 顧長友;妙用Photoshop處理圖像邊緣[J];電腦知識與技術(shù);2003年08期

4 濮群,余桂;用線性模型檢測圖像邊緣[J];清華大學(xué)學(xué)報(自然科學(xué)版);1988年01期

5 宋建中;;噴霧圖像的自動分析[J];光學(xué)機(jī)械;1988年04期

6 高華;;關(guān)于古建筑圖像中破損點(diǎn)優(yōu)化提取仿真[J];計(jì)算機(jī)仿真;2017年11期

7 劉娟娟;劉斌;;低照度非線性光學(xué)圖像邊緣自適應(yīng)增強(qiáng)裝置設(shè)計(jì)[J];激光雜志;2017年03期

8 張琳梅;;基于圖像邊緣增強(qiáng)的改進(jìn)方法[J];信息系統(tǒng)工程;2016年03期

9 王水萍;鄒蕾;;空中模糊目標(biāo)圖像邊緣信息的融合與恢復(fù)方法[J];科技通報;2014年06期

10 朱慶生;楊世泉;柳鋒;;基于圖像邊緣摘要的快速模板匹配[J];計(jì)算機(jī)應(yīng)用研究;2009年02期

相關(guān)會議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實(shí)技術(shù)研討會（CVR’2001）論文集[C];2001年

3 王亮亮;李明;高昕;;強(qiáng)模糊空間目標(biāo)圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

4 陳煒;張陽陽;孟慶勛;;一種基于Curvelet變換的圖像邊緣增強(qiáng)方法[A];國家安全地球物理叢書（十）——地球物理環(huán)境與國家安全[C];2014年

5 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強(qiáng)[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（1）[C];2008年

6 楊文秀;陸常周;;最優(yōu)小波問題探討[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

7 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

8 胡昌偉;屈小波;郭迪;寧本德;陳忠;;基于邊緣加權(quán)的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國波譜學(xué)學(xué)術(shù)會議論文摘要集[C];2012年

9 王世平;馬時平;李權(quán)合;何林遠(yuǎn);王晨;丁文杉;劉坤;;一種基于邊緣約束的快速圖像去霧算法[A];第八屆中國航空學(xué)會青年科技論壇論文集[C];2018年

10 楊唐文;王敏杰;秦勇;;融合圖像邊緣和區(qū)域特征的道路檢測算法[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第三分冊）[C];2013年

相關(guān)重要報紙文章 前6條

1 侯杰;國產(chǎn)芯片進(jìn)軍移動多媒體市場[N];人民郵電;2003年

2 吳飛;無邊距照片打印三部曲[N];中國電腦教育報;2003年

3 成嶺;消除Premiere中慢鏡頭的圖像抖動[N];電腦報;2003年

4 ;體驗(yàn)決定一切[N];中國計(jì)算機(jī)報;2003年

5 Wang JS;摳圖又有新招[N];電腦報;2002年

6 ;令挑剔的人也刮目相看[N];中國電子報;2001年

相關(guān)博士學(xué)位論文 前10條

1 劉飛;透混沌介質(zhì)偏振成像技術(shù)[D];西安電子科技大學(xué);2016年

2 李永軍;圖像與視頻低復(fù)雜度壓縮算法研究[D];西安電子科技大學(xué);2017年

3 何人杰;圖像去霧與去湍流方法研究[D];西北工業(yè)大學(xué);2017年

4 張文靜;光場成像技術(shù)在天空偏振模式測量和湍流圖像清晰化中的應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2016年

5 左承林;圖像非局部均值去噪方法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

6 王丹;基于暗通道先驗(yàn)的圖像和視頻去霧模型及算法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

7 宋文青;SAR圖像自動目標(biāo)提取方法研究[D];西安電子科技大學(xué);2018年

8 楊濱;圖像克隆拼接篡改盲取證技術(shù)研究[D];湖南大學(xué);2014年

9 張小帆;基于介觀尺度的內(nèi)燃機(jī)進(jìn)氣流場層析圖像診斷機(jī)理研究[D];華南理工大學(xué);2018年

10 顏小運(yùn);自然場景圖像中顯著物體檢測方法研究[D];華中科技大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 蔣文宇;基于非局部總變分法的圖像去噪算法研究[D];浙江工業(yè)大學(xué);2018年

2 胡宇雯;基于領(lǐng)域知識驅(qū)動的深度學(xué)習(xí)Pan-sharpening方法[D];廈門大學(xué);2017年

3 劉昱龍;高分辨率光學(xué)遙感圖像艦船檢測研究[D];廈門大學(xué);2017年

4 陳晨;卡通圖像顯著性線條檢測技術(shù)研究[D];廈門大學(xué);2017年

5 郭建志;面向3D打印的向量場引導(dǎo)的圖像線刻畫生成方法[D];廈門大學(xué);2017年

6 張光裕;高質(zhì)量圖像的漸進(jìn)式并行檢索算法研究[D];廈門大學(xué);2017年

7 王怡;人臉圖像修復(fù)技術(shù)研究[D];浙江工業(yè)大學(xué);2018年

8 張陣;紅外與微光圖像彩色融合仿生算法的研究與實(shí)現(xiàn)[D];武漢理工大學(xué);2018年

9 陳佳悅;小麥冠層圖像處理及氮素圖像評價指標(biāo)研究[D];南京農(nóng)業(yè)大學(xué);2017年

10 王婉婉;激光主動成像的圖像噪聲抑制方法研究[D];長春理工大學(xué);2018年

本文編號：2767389