紅外傳感器成像原理為熱輻射成像。其成像不受霧、陰天等惡劣天氣的影響,但得到的圖像背景比較模糊,并且空間分辨率和圖像對比度低。可見光傳感器利用可見光反射成像,獲得的圖像紋理清晰,卻容易被霧、雨等惡劣環(huán)境干擾。智能船或者救援船在水面航行時,由于霧的遮擋,可見光傳感器無法識別出霧中需要救援人,而紅外傳感器能夠通過熱輻射識別出霧中的人,卻由于其成像原理,無法獲得人的具體位置。所以本文針對霧天的水面目標(biāo)圖像的采集問題,設(shè)計了兩套紅外與可見光的融合方法。本文主要包括以下四個方面:1.首先本文闡述了圖像融合的三個層次（像素級、特征級和決策級）和紅外與可見光成像的原理,并分別在空間域和變換域介紹了現(xiàn)在比較成熟的圖像融合方法,并且對圖像進行了預(yù)處理（濾波、增強和配準(zhǔn)）。并闡述了圖像的質(zhì)量評價指標(biāo),為后面對融合后的圖像質(zhì)量評價做好理論基礎(chǔ)。2.其次深入了解非下采Contourlet變換（Nonsubsampled Contourlet Transform,NSCT）的基本原理和組成（非下采樣塔型濾波器組和非下采樣方向濾波器組）,并闡述了基于NSCT的圖像融合原理及融合實例,并通過改變閾值找到最佳的融合閾值... 

【文章來源】：哈爾濱工程大學(xué)黑龍江省 211工程院校

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 紅外與可見光的圖像融合的現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 本文的主要工作
第2章 基于紅外與可見光的圖像融合基礎(chǔ)理論及圖像的預(yù)處理
    2.1 紅外與可見光成像原理
    2.2 圖像融合
        2.2.1 圖像融合的框架
        2.2.2 圖像融合的層次
        2.2.3 圖像融合的方法
    2.3 水面圖像融合的預(yù)處理
        2.3.1 水面圖像的去噪
        2.3.2 水面圖像濾波算法實驗對比結(jié)果圖
        2.3.3 水面圖像的增強
        2.3.4 水面圖像增強算法實驗對比結(jié)果
        2.3.5 水面圖像的配準(zhǔn)
        2.3.6 水面圖像配準(zhǔn)實驗分析
    2.4 圖像融合質(zhì)量評價方法
        2.4.1 主觀質(zhì)量評價
        2.4.2 客觀質(zhì)量評價
    2.5 本章小結(jié)
第3章 基于紅外與可見光的圖像融合方法
    3.1 非下采樣Contourlet變換融合方法
        3.1.1 非下采樣Contourlet變換理論
        3.1.2 非下采樣塔形濾波器組結(jié)構(gòu)
        3.1.3 非下采樣方向濾波器組結(jié)構(gòu)
        3.1.4 基于NSCT圖像融合的方法實現(xiàn)
        3.1.5 閾值T對融合結(jié)果的影響
    3.2 脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)理論
        3.2.1 PCNN模型的基本理論
        3.2.2 PCNN的簡化模型
        3.2.3 基于PCNN圖像融合的方法實現(xiàn)
    3.3 本章小結(jié)
第4章 基于NSCT和視覺顯著性的紅外與可見光的水面圖像融合方法
    4.1 FrequencyTuned算法
        4.1.1 Dog濾波器
        4.1.2 參數(shù)選擇
        4.1.3 計算顯著性檢測圖
        4.1.4 圖像引導(dǎo)濾波器
        4.1.5 紅外圖像顯著性檢測
    4.2 融合規(guī)則
        4.2.1 融合過程
        4.2.2 實驗結(jié)果及分析
    4.3 本章小結(jié)
第5章 基于NSCT和PCNN的紅外與可見光水面圖像融合方法
    5.1 基于NSCT和PCNN水面圖像融合過程
        5.1.1 低頻部分的融合規(guī)則
        5.1.2 帶通方向子帶部分的融合規(guī)則
    5.2 實驗結(jié)果及分析
    5.3 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間發(fā)表論文和取得的科研成果
致謝


【參考文獻】：
期刊論文
[1]結(jié)合模糊邏輯和SCM的NSDTCT域紅外和可見光圖像融合[J]. 趙杰,李易瑾,劉帥奇.  小型微型計算機系統(tǒng). 2018(02)
[2]紅外與可見光圖像融合方法比較研究[J]. 李欣騰,李夢洋.  湖北民族學(xué)院學(xué)報(自然科學(xué)版). 2018(01)
[3]簡析像素級圖像融合技術(shù)的進展[J]. 智珊珊,薛瑞.  信息系統(tǒng)工程. 2018(01)
[4]基于NSST和改進PCNN的醫(yī)學(xué)圖像融合[J]. 趙丹,戴文戰(zhàn),李俊峰.  光電子·激光. 2018(01)
[5]基于紅外和可見光融合的目標(biāo)跟蹤[J]. 王凱,韋宏利,陳超波,曹凱.  計算機系統(tǒng)應(yīng)用. 2018(01)
[6]基于NSCT和混合粒子群算法的紅外與可見光圖像融合[J]. 馮穎,賀興時,楊新社.  電光與控制. 2018(01)
[7]基于SML和PCNN的NSCT域多聚焦圖像融合[J]. 謝秋瑩,易本順,柯祖福,李衛(wèi)中.  計算機科學(xué). 2017(06)
[8]一種基于稀疏表示的可見光與紅外圖像融合方法[J]. 張生偉,李偉,趙雪景.  電光與控制. 2017(06)
[9]NSCT域內(nèi)基于自適應(yīng)PCNN的圖像融合新方法[J]. 榮傳振,賈永興,楊宇,朱瑩,王淵.  信號處理. 2017(03)
[10]基于ORB特征的無人機遙感圖像拼接改進算法[J]. 劉婷婷,張驚雷.  計算機工程與應(yīng)用. 2018(02)

博士論文
[1]基于視覺顯著性的圖像檢索算法研究[D]. 吳俊峰.大連海事大學(xué) 2017
[2]紅外與可見光圖像融合算法研究[D]. 周渝人.中國科學(xué)院研究生院(長春光學(xué)精密機械與物理研究所) 2014
[3]視覺顯著性應(yīng)用研究[D]. 敖歡歡.中國科學(xué)技術(shù)大學(xué) 2013
[4]多尺度變換的多聚焦圖像融合算法研究[D]. 徐月美.中國礦業(yè)大學(xué) 2012
[5]霧天降質(zhì)圖像增強方法研究及DSP實現(xiàn)[D]. 許志遠.大連海事大學(xué) 2010
[6]多傳感器圖像融合方法研究[D]. 劉貴喜.西安電子科技大學(xué) 2001

碩士論文
[1]基于SIFT算法的快速圖像配準(zhǔn)技術(shù)[D]. 孫偉曄.吉林大學(xué) 2017
[2]海面雙波段紅外圖像配準(zhǔn)與融合方法研究[D]. 付瑩.大連海事大學(xué) 2017
[3]基于Cyclone Ⅳ的紅外與可見光圖像融合系統(tǒng)的設(shè)計與研究[D]. 馮澍.南京理工大學(xué) 2017
[4]基于同態(tài)濾波的圖像增強算法研究[D]. 程新.西安郵電大學(xué) 2016
[5]紅外與可見光圖像融合中的關(guān)鍵技術(shù)研究[D]. 王雪.電子科技大學(xué) 2016
[6]基于視覺顯著性算法的圖像融合研究[D]. 楊爽.吉林大學(xué) 2016
[7]基于稀疏表示模型的熱紅外與可見光圖像融合研究[D]. 李海超.安徽大學(xué) 2016
[8]基于PCNN和NSCT變換的圖像融合算法[D]. 姜志.浙江理工大學(xué) 2014
[9]紅外圖像與可見光圖像融合研究[D]. 李洋.哈爾濱工程大學(xué) 2013
[10]基于改進的主成分分析的紅外與可見光圖像融合方法研究[D]. 劉立坤.華中科技大學(xué) 2013



本文編號：3205482