圖像融合旨在將來自不同模態(tài)傳感器的多個輸入圖像合并為一個圖像,增強(qiáng)關(guān)于場景的理解。紅外與可見光圖像融合是圖像融合的重要分支,其充分利用了紅外與可見光圖像信息的互補(bǔ)性進(jìn)行融合,融合結(jié)果不僅能提供相關(guān)場景更為全面的信息,還對后續(xù)應(yīng)用比如目標(biāo)檢測,目標(biāo)跟蹤等有指導(dǎo)性的意義�；诙喑叨确治龅娜诤纤惴ê突陲@著區(qū)域分析的融合算法是目前紅外與可見光圖像融合領(lǐng)域中的兩類重要算法,因?yàn)樗鼈兡芎芎玫谋憩F(xiàn)圖像的固有特征,有助于提高最終融合圖像的視覺效果。但是這兩類算法在實(shí)際的紅外與可見光圖像融合過程中也存在著一些問題,很多學(xué)者也為了解決這些問題提出了很多改進(jìn)算法,但是目前并沒有哪種算法可以解決融合過程中可能遇到的所有問題,都是針對其中的某方面問題進(jìn)行改進(jìn)。本文針對這兩類算法在實(shí)際工程應(yīng)用中遇到的四個典型且常見的問題,設(shè)計(jì)了四種融合方法,具體如下:1.針對常規(guī)的多尺度分析方法依賴預(yù)先定義的變換方式,在面對源圖像中眾多不確定場景時缺乏穩(wěn)定性和靈活性的問題,我們改進(jìn)了全局局部拓?fù)淞Ｗ尤簝?yōu)化算法（Fusion Global-Local-Topology Partical Swarm Optimization,FG... 

【文章來源】：中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所)吉林省

【文章頁數(shù)】：144 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 圖像融合研究現(xiàn)狀
        1.2.1 圖像融合的層次級別
        1.2.2 紅外與可見光融合理論研究現(xiàn)狀
        1.2.3 紅外與可見光圖像融合應(yīng)用
        1.2.4 圖像融合算法存在的問題
    1.3 論文研究內(nèi)容與章節(jié)安排
        1.3.1 論文主要研究內(nèi)容
        1.3.2 論文章節(jié)安排
第二章 紅外與可見光融合算法概述
    2.1 紅外與可見光成像機(jī)理及圖像特征
        2.1.1 紅外與可見光圖像成像機(jī)理
        2.1.2 紅外與可見光圖像的區(qū)別與聯(lián)系
    2.2 常用的紅外與可見光圖像融合方法概述
        2.2.1 基于多尺度分析的紅外與可見光圖像融合方法
        2.2.2 基于顯著區(qū)域分析的紅外與可見光圖像融合方法
    2.3 圖像融合質(zhì)量評價(jià)
        2.3.1 主觀評價(jià)方法
        2.3.2 客觀評價(jià)方法
    2.4 本章小結(jié)
第三章 基于自適應(yīng)權(quán)重的雙尺度圖像融合算法
    3.1 引言
    3.2 隱式低秩表示理論
        3.2.1 子空間聚類與低秩表示理論
        3.2.2 隱式低秩表示理論
    3.3 粒子群優(yōu)化算法及其改進(jìn)
        3.3.1 粒子群優(yōu)化算法
        3.3.2 改進(jìn)的全局局部拓?fù)淞Ｗ尤簝?yōu)化算法
    3.4 本章融合算法分析
        3.4.1 顯著子圖像融合
        3.4.2 低秩子圖像融合
        3.4.3 圖像重構(gòu)
        3.4.4 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
第四章 基于改進(jìn)的共現(xiàn)濾波器的多尺度圖像融合算法
    4.1 共現(xiàn)濾波器相關(guān)理論
    4.2 離散緊支撐剪切波變換
        4.2.1 連續(xù)剪切波變換
        4.2.2 離散緊支撐剪切波變換
    4.3 本章融合算法分析
        4.3.1 源圖像分解方法及融合算法流程介紹
        4.3.2 基礎(chǔ)層融合規(guī)則
        4.3.3 細(xì)節(jié)層子圖像融合規(guī)則
        4.3.4 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第五章 基于多特征顯著區(qū)域分析的圖像融合算法
    5.1 引言
    5.2 多特征顯著性區(qū)域檢測及提取
        5.2.1 四元數(shù)傅里葉變換的相位譜模型
        5.2.2 顯著性區(qū)域的檢測
        5.2.3 顯著性區(qū)域的提取
    5.3 顯著區(qū)域與非顯著區(qū)域融合規(guī)則
        5.3.1 顯著區(qū)域融合規(guī)則
        5.3.2 非顯著區(qū)域融合規(guī)則
    5.4 實(shí)驗(yàn)結(jié)果與分析
    5.5 本章小結(jié)
第六章 基于紅外顯著區(qū)域提取與NSST的圖像融合算法
    6.1 引言
    6.2 紅外顯著區(qū)域檢測及提取
        6.2.1 紅外圖像全局顯著圖構(gòu)建
        6.2.2 紅外圖像局部顯著圖構(gòu)建
    6.3 基于紅外顯著區(qū)域提取與NSST的圖像融合算法
        6.3.1 NSST算法簡介
        6.3.2 算法流程介紹
    6.4 實(shí)驗(yàn)結(jié)果與分析
    6.5 本章小結(jié)
第七章 總結(jié)與展望
    7.1 論文涉及的所有融合算法的綜合性能客觀評價(jià)
    7.2 論文主要工作內(nèi)容總結(jié)
    7.3 后續(xù)研究工作展望
參考文獻(xiàn)
致謝
作者簡介及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]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)
[2]一種基于NSST和字典學(xué)習(xí)的紅外和可見光圖像融合算法[J]. 劉戰(zhàn)文,馮燕,李旭,丁鵬飛,徐繼明.  西北工業(yè)大學(xué)學(xué)報(bào). 2017(03)
[3]NSST域改進(jìn)NMF的紅外與可見光圖像融合[J]. 葛雯,姬鵬沖,趙天臣.  光電工程. 2016(04)

博士論文
[1]可見光遙感圖像海面目標(biāo)自動檢測關(guān)鍵技術(shù)研究[D]. 徐芳.中國科學(xué)院大學(xué)(中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所) 2018
[2]基于多尺度幾何分析的紅外與可見光圖像融合方法研究[D]. 沈瑜.蘭州交通大學(xué) 2017
[3]機(jī)載光電平臺紅外與可見光圖像融合系統(tǒng)關(guān)鍵技術(shù)研究[D]. 左羽佳.中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所 2017
[4]紅外與可見光圖像融合技術(shù)研究[D]. 張蕾.中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所) 2015
[5]紅外與可見光圖像融合算法研究[D]. 周渝人.中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所) 2014

碩士論文
[1]基于矩陣低秩稀疏分解的圖像融合算法研究[D]. 張培元.電子科技大學(xué) 2017



本文編號：2947235