本文關(guān)鍵詞：基于稀疏表示模型的熱紅外與可見光圖像融合研究

  更多相關(guān)文章： 多模態(tài)配準(zhǔn) 距離度量學(xué)習(xí) 多模態(tài)融合 字典學(xué)習(xí) 稀疏表示 拉普拉斯正則化

【摘要】：熱紅外圖像與可見光圖像融合是計算機視覺領(lǐng)域的一個基礎(chǔ)問題,它采用一些算法提取出不同波段圖像的特征,將它們?nèi)诤显谝黄?使得融合后的圖像更加清晰、信息更加全面,更便于人眼識別,使得觀察者也更容易理解當(dāng)前的場景。熱紅外與可見光工作在不同的波段,它們的成像機理也不同、各有特點,它們既有各自的優(yōu)勢,也有一些不足之處。所以,在實際場景中通常將熱紅外圖像與可見光圖像融合,使得不同的模態(tài)圖像在信息上達到互補,進而彌補單一模態(tài)圖像成像在某些條件下的不足。由于融合后的圖像結(jié)合了兩種模態(tài)圖像的特征,它能夠使觀察者更充分的理解場景信息,因此熱紅外與可見光圖像融合被應(yīng)用于包括視頻監(jiān)控、軍事以及電力系統(tǒng)在內(nèi)的諸多領(lǐng)域。隨著相關(guān)技術(shù)不斷地發(fā)展進步,多模態(tài)圖像融合的應(yīng)用領(lǐng)域正變得越來越多元化。與此同時,各領(lǐng)域?qū)Χ嗄B(tài)圖像融合效果的要求也越來越高,研究人員對多模態(tài)圖像融合的研究力度還在不斷地加大。目前,有許多實現(xiàn)多模態(tài)圖像融合的算法。常用的多模態(tài)圖像融合算法都或多或少存在一些問題,其融合結(jié)果也一直未能達到更加理想的效果。為了提升多模態(tài)圖像融合的效果,本文采用了一種基于拉普拉斯稀疏表示模型的算法來實現(xiàn)不同模態(tài)圖像之間的融合,主要的研究工作在以下的幾個方面：(1)由于不同模態(tài)圖像的成像機理不同,不同模態(tài)之間的對應(yīng)關(guān)系很難準(zhǔn)確建立起來,傳統(tǒng)的用于單一模態(tài)間圖像配準(zhǔn)的算法在不同模態(tài)圖像配準(zhǔn)上無法達到理想的效果。針對上述問題,本文結(jié)合距離度量學(xué)習(xí)提出了一種多模態(tài)圖像配準(zhǔn)的算法,通過學(xué)習(xí)不同模態(tài)圖像之間的距離度量可以較準(zhǔn)確地建立不同模態(tài)圖像之間的變換關(guān)系。實驗證明該算法配準(zhǔn)效果良好。(2)本文介紹了多模態(tài)圖像融合的現(xiàn)有算法,針對現(xiàn)有算法存在的問題,本文采用基于稀疏表示模型的多模態(tài)圖像融合算法來對不同模態(tài)的圖像進行融合,為了提高算法的魯棒性,本文算法在原始的稀疏表示模型之上增加了一個拉普拉斯正則化項,使得融合后的圖像效果對圖像的細(xì)節(jié)反映更加明顯。該算法包括了字典學(xué)習(xí)、稀疏表示以及多模態(tài)融合三個部分,實驗結(jié)果相比其它算法有所提升,該融合算法效果良好。
【關(guān)鍵詞】：多模態(tài)配準(zhǔn) 距離度量學(xué)習(xí) 多模態(tài)融合 字典學(xué)習(xí) 稀疏表示 拉普拉斯正則化
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要3-5
• Abstract5-11
• 第一章 緒論11-16
• 1.1 多模態(tài)圖像融合的研究背景與意義11-13
• 1.2 多模態(tài)圖像融合的研究現(xiàn)狀13-14
• 1.3 論文主要內(nèi)容及結(jié)構(gòu)14-16
• 第二章 相關(guān)理論基礎(chǔ)16-28
• 2.1 多模態(tài)圖像配準(zhǔn)16-23
• 2.2 多模態(tài)圖像融合23-25
• 2.3 圖像質(zhì)量評價25-27
• 2.4 本章總結(jié)27-28
• 第三章 基于距離度量學(xué)習(xí)的多模態(tài)圖配準(zhǔn)28-37
• 3.1 引言28-29
• 3.2 基于SIFT特征的多模態(tài)距離度量學(xué)習(xí)29-32
• 3.2.1 多模態(tài)圖像SIFT特征提取29-30
• 3.2.2 多模態(tài)距離度量學(xué)習(xí)30-32
• 3.3 基于多模態(tài)距離度量的圖像配準(zhǔn)算法32-34
• 3.4 實驗與分析34-36
• 3.4.1 定量分析34
• 3.4.2 定性分析34-36
• 3.5 本章總結(jié)36-37
• 第四章 基于正則化稀疏表示模型的多模態(tài)圖融合37-48
• 4.1 引言37-38
• 4.2 基于拉普拉斯稀疏表示模型的多模態(tài)圖像描述38-42
• 4.2.1 稀疏表示模型概述38-39
• 4.2.2 多模態(tài)圖像字典學(xué)習(xí)39-40
• 4.2.3 多模態(tài)圖像拉普拉斯稀疏表示40-42
• 4.3 基于稀疏表示系數(shù)的多模態(tài)圖像融合算法42-43
• 4.4 實驗與分析43-46
• 4.4.1 定量分析43-44
• 4.4.2 定性分析44-46
• 4.5 本章總結(jié)46-48
• 第五章 總結(jié)與展望48-51
• 5.1 論文總結(jié)48-49
• 5.2 未來的工作展望49-51
• 參考文獻51-57
• 致謝57-59
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文59-60
• 攻讀碩士學(xué)位期間所參加的科研項目60

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 唐永鶴;陶華敏;盧煥章;胡謀法;;一種基于Harris算子的快速圖像匹配算法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2012年04期

2 王佐成;劉曉冬;薛麗霞;;Canny算子邊緣檢測的一種改進方法[J];計算機工程與應(yīng)用;2010年34期

3 周海芳;杜云飛;楊學(xué)軍;李思昆;;基于互信息的遙感圖像區(qū)域配準(zhǔn)并行算法的研究與實現(xiàn)[J];中國圖象圖形學(xué)報;2010年01期

4 蔣剛毅;黃大江;王旭;郁梅;;圖像質(zhì)量評價方法研究進展[J];電子與信息學(xué)報;2010年01期

5 黃勇杰;王樹國;張生;;基于區(qū)域特征的圖像自動配準(zhǔn)方法[J];計算機工程與設(shè)計;2009年16期

6 王福田;湯進;羅斌;;帶電設(shè)備紅外輔助診斷系統(tǒng)的開發(fā)[J];計算機技術(shù)與發(fā)展;2009年04期

7 張春森;;基于點特征匹配的SUSAN,Harris算子比較[J];西安科技大學(xué)學(xué)報;2007年04期

8 鄭志彬;葉中付;;基于相位相關(guān)的圖像配準(zhǔn)算法[J];數(shù)據(jù)采集與處理;2006年04期

9 陳志剛;宋勝鋒;李陸冀;包磊;;基于相似原理的點特征松弛匹配算法[J];火力與指揮控制;2006年01期

10 劉亦書,楊力華,孫倩;輪廓矩不變量及其在物體形狀識別中的應(yīng)用[J];中國圖象圖形學(xué)報;2004年03期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 桑慶兵;半?yún)⒖己蜔o參考圖像質(zhì)量評價新方法研究[D];江南大學(xué);2013年

2 鄧承志;圖像稀疏表示理論及其應(yīng)用研究[D];華中科技大學(xué);2008年

3 李暉暉;多傳感器圖像融合算法研究[D];西北工業(yè)大學(xué);2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 張威;數(shù)字圖像增強的研究及其實現(xiàn)[D];長江大學(xué);2014年

2 王玲玲;紅外目標(biāo)檢測與跟蹤算法研究[D];陜西師范大學(xué);2013年

3 卜珂;基于SURF的圖像配準(zhǔn)與拼接技術(shù)研究[D];大連理工大學(xué);2009年

4 陳賢巧;基于特征的圖像配準(zhǔn)算法研究[D];中國科學(xué)技術(shù)大學(xué);2009年

5 郭曉杰;紅外圖像配準(zhǔn)技術(shù)在電力設(shè)備故障檢測中的研究與應(yīng)用[D];北方工業(yè)大學(xué);2008年

6 任文杰;圖像邊緣檢測方法的研究[D];山東大學(xué);2008年

7 王蕾;圖像配準(zhǔn)技術(shù)及應(yīng)用研究[D];西安電子科技大學(xué);2007年

，

本文編號：812435