紅外光強(qiáng)圖像與紅外偏振圖像分別基于紅外目標(biāo)的輻射強(qiáng)度信息和偏振信息進(jìn)行成像,這兩類圖像在亮度、邊緣、紋理細(xì)節(jié)等特征上具有很多差異,因此具有大量互補(bǔ)信息。同一融合算法對(duì)不同差異特征的融合能力不同,所以研究雙模態(tài)紅外圖像差異特征類型、幅值、頻次等多種屬性動(dòng)態(tài)變化及特征屬性間的關(guān)聯(lián)性是差異驅(qū)動(dòng)融合的關(guān)鍵,能夠解決現(xiàn)有雙模態(tài)紅外圖像差異驅(qū)動(dòng)融合中多種算法相互沖突、融合效果差甚至失效的問題,最終建立差異特征多屬性與融合算法間有效驅(qū)動(dòng)關(guān)系間的協(xié)調(diào)機(jī)制�；诖�,本文圍繞雙模態(tài)紅外圖像差異特征多屬性的融合有效度分布合成開展研究,剖析了差異特征多屬性與融合算法及規(guī)則的深層聯(lián)系,通過可能性分布合成的方法實(shí)現(xiàn)了差異特征多屬性自適應(yīng)選擇融合算法或融合規(guī)則的目的,為差異特征驅(qū)動(dòng)融合的實(shí)現(xiàn)提供了新思路。本文主要研究內(nèi)容如下:（1）差異特征多屬性表征:探究雙模態(tài)紅外圖像成像特性,明確差異特征不同屬性的特點(diǎn)。分析差異特征的幅值與頻次兩種屬性的關(guān)系,其中,采用非參數(shù)估計(jì)的方法構(gòu)造差異特征頻次的可能性分布,通過不同頻次分布構(gòu)造與原始累積分布函數(shù)的相似性測(cè)度比較選擇最優(yōu)頻次屬性構(gòu)造方法,為實(shí)現(xiàn)差異特征多屬性融合有效度的分布... 

【文章來源】：中北大學(xué)山西省

【文章頁數(shù)】：93 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1.緒論
    1.1 課題研究目的與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 雙模態(tài)紅外圖像差異驅(qū)動(dòng)融合
        1.2.2 差異特征的融合有效度
        1.2.3 可能性分布合成
    1.3 研究內(nèi)容與章節(jié)安排
        1.3.1 研究內(nèi)容
        1.3.2 章節(jié)安排
2.雙模態(tài)紅外圖像差異特征的屬性表征
    2.1 差異特征不同屬性及其特點(diǎn)
    2.2 差異特征類型確定
    2.3 差異特征幅值表征
    2.4 差異特征頻次表征
        2.4.1 基于K最近鄰估計(jì)差異特征頻次構(gòu)造
        2.4.2 基于MISE最優(yōu)帶寬差異特征頻次構(gòu)造
        2.4.3 不同構(gòu)造方法與累積分布函數(shù)相似性測(cè)度比較
    2.5 本章小結(jié)
3.差異特征多屬性的融合有效度分布構(gòu)造
    3.1 融合算法及規(guī)則的特點(diǎn)分析
    3.2 不同屬性的融合有效度及其分布構(gòu)造
        3.2.1 融合有效度及其函數(shù)化描述
        3.2.2 融合有效度分布與度量方式穩(wěn)定性評(píng)價(jià)
        3.2.3 差異特征幅值融合有效度分布構(gòu)造
        3.2.4 差異特征頻次融合有效度分布構(gòu)造
    3.3 差異特征多屬性融合有效度分布構(gòu)造
    3.4 本章小結(jié)
4.差異特征多屬性融合有效度分布合成建立
    4.1 可能性分布合成的理論分析
    4.2 同類差異特征多屬性融合有效度分布合成構(gòu)建及評(píng)價(jià)分析
    4.3 異類差異特征多屬性融合有效度分布合成構(gòu)建及評(píng)價(jià)分析
        4.3.1 異類差異特征多屬性相關(guān)性分析
        4.3.2 面向算法驅(qū)動(dòng)下的差異特征多屬性融合有效度分布合成
        4.3.3 異類差異特征多屬性最優(yōu)融合算法的選取
        4.3.4 面向規(guī)則驅(qū)動(dòng)下的差異特征多屬性融合有效度分布合成
        4.3.5 異類差異特征多屬性最優(yōu)融合規(guī)則的選取
    4.4 本章小結(jié)
5.總結(jié)與展望
    5.1 本文的主要工作與創(chuàng)新點(diǎn)
    5.2 下一步的工作展望
參考文獻(xiàn)
攻讀碩士期間發(fā)表的論文及所取得的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]融合NSST和稀疏表示的PET和MRI圖像融合[J]. 康家銀,陸武,張文娟.  小型微型計(jì)算機(jī)系統(tǒng). 2019(12)
[2]基于VGG網(wǎng)絡(luò)的雙波段圖像融合方法[J]. 馬旗,朱斌,張宏偉.  激光與紅外. 2019(11)
[3]基于余弦相似性的雙模態(tài)紅外圖像融合性能表征[J]. 張雅玲,吉琳娜,楊風(fēng)暴,胡鵬.  光電工程. 2019(10)
[4]基于改進(jìn)引導(dǎo)濾波和量子遺傳算法的圖像融合[J]. 李曉玲,聶祥飛,黃海波,張?jiān)?  電光與控制. 2020(02)
[5]基于非參數(shù)核密度估計(jì)的集裝箱碼頭交通需求預(yù)測(cè)模型[J]. 馬夢(mèng)知,范厚明,黃莒森,孔靚,岳麗君.  大連海事大學(xué)學(xué)報(bào). 2019(01)
[6]隱低秩結(jié)合低秩表示的多聚焦圖像融合[J]. 陳蔓,鐘勇,李振東.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2020(01)
[7]基于NSST和SWT的紅外與可見光圖像融合算法研究[J]. 孔玲君,張志華,曾茜,王茜.  包裝工程. 2018(19)
[8]差異特征指數(shù)測(cè)度的紅外偏振與光強(qiáng)圖像多算法融合[J]. 張雷,楊風(fēng)暴,吉琳娜.  火力與指揮控制. 2018(02)
[9]基于可能性理論的測(cè)試信息融合及不確定性處理方法與分析[J]. 余學(xué)鋒,于杰,張紅清.  計(jì)量學(xué)報(bào). 2018(01)
[10]基于非參數(shù)核密度估計(jì)和Copula函數(shù)的配電網(wǎng)供電可靠性預(yù)測(cè)[J]. 徐玉琴,張揚(yáng),戴志輝.  華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(06)

博士論文
[1]面向擬態(tài)變換的異類紅外圖像融合算法協(xié)同嵌接方法研究[D]. 張雷.中北大學(xué) 2018
[2]多源圖像融合算法研究[D]. 延翔.西安電子科技大學(xué) 2018
[3]可能性分布合成理論及其工程應(yīng)用研究[D]. 吉琳娜.中北大學(xué) 2015
[4]基于多尺度幾何分析的多傳感器圖像融合研究[D]. 張強(qiáng).西安電子科技大學(xué) 2008

碩士論文
[1]雙模態(tài)紅外圖像融合有效度分布的合成研究[D]. 郭喆.中北大學(xué) 2018
[2]多傳感器信息融合關(guān)鍵技術(shù)研究[D]. 蘇軍平.西安電子科技大學(xué) 2018
[3]紅外輻射偏振特性及目標(biāo)識(shí)別研究[D]. 韓平麗.西安電子科技大學(xué) 2014
[4]紅外偏振成像技術(shù)與方法研究[D]. 虞文俊.南京理工大學(xué) 2014
[5]基于多源信息不確定性的可能性融合方法研究[D]. 周新宇.中北大學(xué) 2012
[6]基于不同核函數(shù)的概率密度函數(shù)估計(jì)比較研究[D]. 張玉敏.河北大學(xué) 2010



本文編號(hào)：3203904