發(fā)布時(shí)間：2017-10-26 19:25

  本文關(guān)鍵詞：基于多傳感器融合的低照度視頻圖像增強(qiáng)技術(shù)

  更多相關(guān)文章： 紅外視頻 可見(jiàn)光視頻 改進(jìn)的sift 變換矩陣 ?加權(quán)融合

【摘要】：隨著科技的發(fā)展,人們對(duì)視頻的質(zhì)量的要求越來(lái)越高。2014年中國(guó)的犯罪率是2013年的2.15倍,其中52.3%的增長(zhǎng)率是在晚上發(fā)生的,主要是因?yàn)橐归g的光源比較低,成像質(zhì)量比較低,夜間拍攝的視頻幾乎都是黑的,以至于無(wú)法識(shí)別視頻中的目標(biāo)和背景,因而不便于警察的偵查,無(wú)法快速的控制犯罪率。國(guó)家的邊防也一直存在著偷渡的現(xiàn)象,2014年的偷渡現(xiàn)象是2013年的4.75倍,其中67.3%的增長(zhǎng)率是在晚上發(fā)生的,同樣的道理,夜間的偷渡也不便于發(fā)現(xiàn),偷渡的成功率高,因而很難控制這種偷渡現(xiàn)象。以上的現(xiàn)象主要是由于單一的傳感器所拍攝的圖像含有的數(shù)據(jù)量和信息量都比較小,所以?xún)H對(duì)一種類(lèi)型的圖像進(jìn)行增強(qiáng)是很難實(shí)現(xiàn)的,但是由多個(gè)傳感器所拍攝的多源圖像含有的數(shù)據(jù)量和信息量比較豐富,所以對(duì)多種類(lèi)型的圖像進(jìn)行融合是很容易實(shí)現(xiàn)的。因而本文提出了基于紅外成像傳感器與可見(jiàn)光成像傳感器融合的夜視視頻增強(qiáng)系統(tǒng)。本文是在紅外成像傳感器和可見(jiàn)光成像傳感器固定不變并且同時(shí)采集的情況下,根據(jù)紅外圖像和可見(jiàn)光圖像的特點(diǎn),提出了一種夜間視頻圖像的增強(qiáng)系統(tǒng)。該算法主要包括兩個(gè)部分,第一個(gè)部分是根據(jù)改進(jìn)的sift配準(zhǔn)算法計(jì)算兩個(gè)視頻之間的變換矩陣;利用該變換矩陣對(duì)紅外視頻與可見(jiàn)光視頻進(jìn)行配準(zhǔn),具有匹配精度高速度快的特點(diǎn)。第二個(gè)部分是根據(jù)得到的變換矩陣進(jìn)行紅外視頻和可見(jiàn)光視頻的?加權(quán)融合。由于紅外圖像和可見(jiàn)光圖像具有不同的分辨率,所以每幀的融合算法主要是根據(jù)已得到的變換矩陣推導(dǎo)出紅外圖像和可見(jiàn)光圖像的插值圖像,然后把已經(jīng)得到的插值圖像進(jìn)行?加權(quán)融合算法,使得每幀的融合時(shí)間是在30ms左右,很好的達(dá)到了圖像的實(shí)時(shí)效果。
【關(guān)鍵詞】：紅外視頻 可見(jiàn)光視頻 改進(jìn)的sift 變換矩陣 ?加權(quán)融合
【學(xué)位授予單位】：長(zhǎng)春理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第1章 緒論8-12
• 1.1 課題的研究意義8
• 1.2 課題的研究背景8-9
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀9-10
• 1.3.1 圖像配準(zhǔn)研究現(xiàn)狀9-10
• 1.3.2 圖像融合研究現(xiàn)狀10
• 1.4 論文主要內(nèi)容安排10-12
• 第2章 圖像配準(zhǔn)技術(shù)的研究12-23
• 2.1 圖像配準(zhǔn)的原理12-13
• 2.1.1 圖像配準(zhǔn)的基本框架12-13
• 2.1.2 圖像配準(zhǔn)的分類(lèi)13
• 2.2 圖像的幾何變換模型13-15
• 2.2.1 剛體變換14
• 2.2.2 仿射變換14
• 2.2.3 投影變換14-15
• 2.3 常用的紅外圖像和可見(jiàn)光圖像配準(zhǔn)技術(shù)15-22
• 2.3.1 sift算法原理16-17
• 2.3.2 surf算法原理17-19
• 2.3.3 幾何配準(zhǔn)19-22
• 2.4 本章小結(jié)22-23
• 第3章 圖像融合技術(shù)的研究23-34
• 3.1 圖像融合的概述23-24
• 3.1.1 圖像融合的框架23
• 3.1.2 圖像融合的層次23-24
• 3.2 圖像預(yù)處理24-25
• 3.2.1 圖像取逆24-25
• 3.2.2 圖像增強(qiáng)25
• 3.3 圖像融合的方法和規(guī)則25-26
• 3.4 常用的紅外圖像和可見(jiàn)光圖像融合的方法26-32
• 3.4.1 線(xiàn)性圖像增強(qiáng)26-27
• 3.4.2 非線(xiàn)性圖像增強(qiáng)27-31
• 3.4.3 基于區(qū)域分割和NSCT的圖像融合算法31-32
• 3.5 本章小結(jié)32-34
• 第4章 圖像配準(zhǔn)及融合算法的設(shè)計(jì)和仿真34-40
• 4.1 紅外圖像和可見(jiàn)光圖像的特點(diǎn)分析34
• 4.2 紅外圖像和可見(jiàn)光圖像新的配準(zhǔn)方法34-38
• 4.2.1 圖像預(yù)處理34-35
• 4.2.2 圖像配準(zhǔn)的新算法35-38
• 4.3 圖像的融合算法38
• 4.4 實(shí)驗(yàn)結(jié)果及分析38-39
• 4.5 本章小結(jié)39-40
• 第5章 圖像質(zhì)量評(píng)價(jià)40-42
• 5.1 圖像質(zhì)量評(píng)價(jià)指標(biāo)40-41
• 5.2 本章小結(jié)41-42
• 第6章 總結(jié)與展望42-44
• 6.1 總結(jié)42
• 6.2 展望42-44
• 參考文獻(xiàn)44-46
• 致謝46

，

本文編號(hào)：1100109