發(fā)布時間：2023-04-02 14:46

　　紅外熱成像和可見光成像作為兩種最為重要的探測手段,在軍事和民用方面發(fā)揮著重要作用。紅外熱成像獲取的是目標(biāo)溫度輻射強(qiáng)度信息,可見光成像則反映的是目標(biāo)紋理和輪廓信息,兩者由于成像機(jī)理和應(yīng)用場景不同,其所獲信息有著天然的互補(bǔ)性。將紅外信息與可見光信息融合到一幅圖像中,就可以綜合各自的獨特特征信息,實現(xiàn)優(yōu)勢互補(bǔ)的同時減少冗余信息,具有重要的價值和意義�，F(xiàn)有的融合技術(shù)大多要求不同源圖像具有同一分辨率,且不同源圖像已實現(xiàn)逐像素高精度配準(zhǔn)。然而,受器件發(fā)展水平和應(yīng)用場景所限,可見光相機(jī)的分辨率要遠(yuǎn)高于紅外相機(jī)的分辨率,通過傳統(tǒng)的下采樣可見光或上采樣紅外圖像進(jìn)行融合,不可避免帶來可見光圖像紋理丟失或者紅外圖像模糊。因此,針對不同尺度的可見光與紅外圖像,研究快速、準(zhǔn)確、穩(wěn)健、魯棒的配準(zhǔn)融合算法具有重要理論需求和現(xiàn)實需求。本文針對多尺度可見光與紅外圖像配準(zhǔn)融合問題進(jìn)行了深入研究,提出了多尺度可見光與紅外圖像配準(zhǔn)與融合的新思路、新算法,主要研究內(nèi)容及貢獻(xiàn)歸納如下:1.針對多尺度可見光與紅外圖像配準(zhǔn)的需求,提出適用于多模態(tài)圖像的尺度與部分灰度不變特征描述符SI-PIIFD(Scale-invariant Pa...

【文章頁數(shù)】：107 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外發(fā)展現(xiàn)狀
        1.2.1 圖像配準(zhǔn)技術(shù)
        1.2.2 圖像融合技術(shù)
    1.3 本文的主要研究內(nèi)容和組織結(jié)構(gòu)
2 紅外與可見光圖像配準(zhǔn)融合技術(shù)概述
    2.1 引言
    2.2 圖像配準(zhǔn)技術(shù)概述
        2.2.1 圖像配準(zhǔn)定義
        2.2.2 圖像配準(zhǔn)的變換模型
        2.2.3 紅外與可見光圖像配準(zhǔn)的一般方法
    2.3 圖像融合技術(shù)
        2.3.1 圖像融合的分類
        2.3.2 紅外與可見光圖像融合算法
    2.4 融合圖像評價標(biāo)準(zhǔn)
        2.4.1 融合圖像的主觀評價
        2.4.2 融合圖像的客觀評價標(biāo)準(zhǔn)
    2.5 多模多尺度圖像配準(zhǔn)融合待解決的問題
    2.6 本章小結(jié)
3 基于SI-PIIFD與 LPM特征點匹配算法研究
    3.1 引言
    3.2 特征的提取
        3.2.1 控制點的檢測
        3.2.2 部分強(qiáng)度不變特征描述符的構(gòu)建
        3.2.3 部分灰度不變特征描述符的尺度不變改進(jìn)
    3.3 基于局部不變性的特征匹配
        3.3.1 初始匹配的構(gòu)建
        3.3.2 誤匹配的去除
        3.3.3 計算復(fù)雜度分析
    3.4 實驗結(jié)果與分析
        3.4.1 數(shù)據(jù)集與評價指標(biāo)
        3.4.2 控制點提取結(jié)果對比
        3.4.3 多尺度數(shù)據(jù)集上的特征匹配效果對比
        3.4.4 相近尺度數(shù)據(jù)集上的特征匹配效果對比
    3.5 本章小結(jié)
4 基于高斯混合模型的圖像配準(zhǔn)算法研究
    4.1 引言
    4.2 基于高斯混合模型的紅外和可見光圖像配準(zhǔn)
        4.2.1 配準(zhǔn)模型的構(gòu)建
        4.2.2 期望最大化模型求解
        4.2.3 計算復(fù)雜度分析
        4.2.4 圖像幾何變換
    4.3 實驗結(jié)果與分析
        4.3.1 數(shù)據(jù)集與評價指標(biāo)
        4.3.2 配準(zhǔn)效果的間接評價
        4.3.3 配準(zhǔn)效果的直接評價
    4.4 本章小結(jié)
5 基于全變分模型的圖像融合算法研究
    5.1 引言
    5.2 全變分模型的構(gòu)建
        5.2.1 數(shù)據(jù)保真項
        5.2.2 正則化項
        5.2.3 融合模型的構(gòu)建
    5.3 模型求解
    5.4 實驗結(jié)果
        5.4.1 實驗數(shù)據(jù)集
        5.4.2 采用的對比算法及評價指標(biāo)
        5.4.3 實驗結(jié)果與分析
        5.4.4 參數(shù)分析
        5.4.5 計算復(fù)雜度分析
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 對未來工作的展望
參考文獻(xiàn)
攻博期間發(fā)表的科研成果目錄
攻博期間參與的項目
致謝



本文編號：3779410