本文關鍵詞：基于多傳感器融合的低照度視頻圖像增強技術

  更多相關文章： 紅外視頻 可見光視頻 改進的sift 變換矩陣 ?加權融合

【摘要】：隨著科技的發(fā)展,人們對視頻的質(zhì)量的要求越來越高。2014年中國的犯罪率是2013年的2.15倍,其中52.3%的增長率是在晚上發(fā)生的,主要是因為夜間的光源比較低,成像質(zhì)量比較低,夜間拍攝的視頻幾乎都是黑的,以至于無法識別視頻中的目標和背景,因而不便于警察的偵查,無法快速的控制犯罪率。國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,所以僅對一種類型的圖像進行增強是很難實現(xiàn)的,但是由多個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,所以對多種類型的圖像進行融合是很容易實現(xiàn)的。因而本文提出了基于紅外成像傳感器與可見光成像傳感器融合的夜視視頻增強系統(tǒng)。本文是在紅外成像傳感器和可見光成像傳感器固定不變并且同時采集的情況下,根據(jù)紅外圖像和可見光圖像的特點,提出了一種夜間視頻圖像的增強系統(tǒng)。該算法主要包括兩個部分,第一個部分是根據(jù)改進的sift配準算法計算兩個視頻之間的變換矩陣;利用該變換矩陣對紅外視頻與可見光視頻進行配準,具有匹配精度高速度快的特點。第二個部分是根據(jù)得到的變換矩陣進行紅外視頻和可見光視頻的?加權融合。由于紅外圖像和可見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出紅外圖像和可見光圖像的插值圖像,然后把已經(jīng)得到的插值圖像進行?加權融合算法,使得每幀的融合時間是在30ms左右,很好的達到了圖像的實時效果。
【關鍵詞】：紅外視頻 可見光視頻 改進的sift 變換矩陣 ?加權融合
【學位授予單位】：長春理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：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 國內(nèi)外研究現(xiàn)狀9-10
• 1.3.1 圖像配準研究現(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 圖像配準技術的研究12-23
• 2.1 圖像配準的原理12-13
• 2.1.1 圖像配準的基本框架12-13
• 2.1.2 圖像配準的分類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光圖像配準技術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19-22
• 2.4 本章小結22-23
• 第3章 圖像融合技術的研究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 圖像預處理24-25
• 3.2.1 圖像取逆24-25
• 3.2.2 圖像增強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光圖像融合的方法26-32
• 3.4.1 線性圖像增強26-27
• 3.4.2 非線性圖像增強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32-34
• 第4章 圖像配準及融合算法的設計和仿真34-40
• 4.1 紅外圖像和可見光圖像的特點分析34
• 4.2 紅外圖像和可見光圖像新的配準方法34-38
• 4.2.1 圖像預處理34-35
• 4.2.2 圖像配準的新算法35-38
• 4.3 圖像的融合算法38
• 4.4 實驗結果及分析38-39
• 4.5 本章小結39-40
• 第5章 圖像質(zhì)量評價40-42
• 5.1 圖像質(zhì)量評價指標40-41
• 5.2 本章小結41-42
• 第6章 總結與展望42-44
• 6.1 總結42
• 6.2 展望42-44
• 參考文獻44-46
• 致謝46

，

本文編號：1100109