紅外偏振與光強(qiáng)成像方式具有較大差異,根據(jù)兩類(lèi)成像方式所獲得圖像具有很強(qiáng)的互補(bǔ)性,融合兩類(lèi)圖像可以獲得豐富的目標(biāo)信息,實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)、識(shí)別與跟蹤。在融合圖像時(shí),由于融合算法原理不同,對(duì)不同差異特征的表征能力也存在差異,只能根據(jù)先驗(yàn)知識(shí)選擇融合算法,導(dǎo)致傳統(tǒng)融合模型無(wú)法根據(jù)紅外偏振與光強(qiáng)圖像差異特征變化動(dòng)態(tài)選擇合適的融合算法,出現(xiàn)了融合模型表現(xiàn)較差甚至失效的狀況。為了解決上述問(wèn)題,本文以雙模式紅外圖像融合算法為研究對(duì)象,研究建立面向雙模式紅外圖像可重構(gòu)融合的結(jié)構(gòu)化算法類(lèi)集,使可重構(gòu)融合模型能夠根據(jù)差異特征變化動(dòng)態(tài)選擇合適的融合算法。本文主要研究?jī)?nèi)容如下:（1）融合算法與差異特征關(guān)系分析:通過(guò)分析融合算法與差異特征的關(guān)系,明確算法類(lèi)集構(gòu)建研究所屬的融合算法與差異特征的關(guān)系類(lèi)型,簡(jiǎn)單分析了融合算法的原理和優(yōu)缺點(diǎn),總結(jié)了雙模式紅外圖像中的差異特征類(lèi)型并選擇評(píng)價(jià)指標(biāo)度量,為后面建立算法類(lèi)集奠定基礎(chǔ)。（2）基于圖像差異特征的融合算法類(lèi)集:從統(tǒng)計(jì)檢驗(yàn)的角度研究融合算法分類(lèi),因弗里德曼檢驗(yàn)?zāi)苡行袛嗳诤纤惴ㄩg的差異性,提出了基于弗里德曼檢驗(yàn)的融合算法分類(lèi)方法,探究結(jié)合算法間顯著性差異和算法平均秩對(duì)融合... 

【文章來(lái)源】：中北大學(xué)山西省

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

5組紅外偏振與光強(qiáng)圖像

第五章 結(jié)構(gòu)化融合算法類(lèi)集的實(shí)驗(yàn)分析本章通過(guò)實(shí)驗(yàn)來(lái)驗(yàn)證基于圖像差異特征的融合算法類(lèi)集和結(jié)構(gòu)化融合算法類(lèi)集客觀評(píng)價(jià)與主觀評(píng)價(jià)相結(jié)合，判斷表現(xiàn)效果好的融合算法是否與所構(gòu)建的融合算集一致，從而驗(yàn)證本研究建立的融合算法類(lèi)集和結(jié)構(gòu)化融合算法類(lèi)集的有效性。.1 基于圖像差異特征的融合算法類(lèi)集驗(yàn)證分析重新選取三組驗(yàn)證圖片，分別包含高樓、樓梯與車(chē)輛三類(lèi)場(chǎng)景，如圖 5.1 所示樣使用14種融合算法對(duì)三組紅外偏振與光強(qiáng)圖像進(jìn)行融合，融合圖像如圖5.2所示用灰度均值，標(biāo)準(zhǔn)差，邊緣強(qiáng)度和空間頻率評(píng)價(jià)指標(biāo)評(píng)價(jià)圖像中的四類(lèi)差異特征理實(shí)驗(yàn)數(shù)據(jù)如表 5.1 所示。

（c）第三組驗(yàn)證圖像融合結(jié)果圖 5.2 紅外偏振與光強(qiáng)融合圖像表 5.1 三組驗(yàn)證圖像的實(shí)驗(yàn)數(shù)據(jù)融合算法亮度 對(duì)比度 輪廓邊緣 紋理細(xì)節(jié)Image1 Image2 Image3 Image1 Image2 Image3 Image1 Image2 Image3 Image1 Image2 Image3DWT 128.23 98.885 120.9 57.653 44.935 56.522 77.571 35.504 31.363 22.565 11.1 10.801DTCWT 74.756 71.702 98.264 39.554 27.693 29.624 69.135 35.382 35.474 18.941 10.214 10.666WPT 94.122 89.56 113.79 42.634 38.21 53.978 62.593 36.246 34.597 15.706 9.3865 9.0886NSCT 89.618 63.654 69.23 47.42 31.796 31.135 59.512 29.537 26.481 18.125 9.6077 9.403NSST 126.64 98.501 120.78 58.182 45.976 56.883 84.972 45.021 39.23 23.261 12.792 11.766LP 91.387 64.388 70.037 57.621 37.626 34.103 88.609 45.452 39.217 25.067 13.149 12.303CP 85.291 60.242 64.561 62.376 45.573 47.181 126.23 106.64 122.01 39.247 36.189 38.564RP 89.99 63.957 69.503 47.227 32.418 31.652 68.228 33.978 30.596 20.065 10.563 10.373GP 114.05 84.584 92.448 63.162 44.621 48.006 88.25 76.909 86.592 26.355 27.884 28.429MP 91.557 61.389 67.134 68.096 39.076 35.491 96.411 50.757 46.19 28.737 14.596 15.27TH 90.91 64.078 69.761 50.6 32.633 32.077 83.224 39.372 38.259 27.168 12.769 13.189GF 128.79 99.337 120.93 57.764 45.165 56.331 70.652 30.723 23.499 19.813 9.2318 7.4808MSVD 128.66 99.008 120.96 57.7 45.027 56.493 76.632 36.455 32.313 23.037 11.879 11.751


本文編號(hào)：2976552