紅外與可見光圖像融合技術一直是圖像融合領域研究熱點之一。紅外圖像反映物體熱輻射信息,對隱藏目標具有較強的指示特性。將其與分辨率高、場景紋理清晰的可見光圖像融合,能夠突出目標同時保持背景細節(jié),有利于系統(tǒng)全天候工作,實現(xiàn)目標檢測、跟蹤、監(jiān)控等任務。傳統(tǒng)的紅外與可見光圖像融合方法發(fā)展較早,應用廣泛。圖像融合時,變換方式雖靈活,但活動水平測量及融合規(guī)則仍需人工手動設置,實現(xiàn)相對困難且模型不易調(diào)整。近年來,深度學習逐步應用到紅外與可見光圖像融合領域并取得較好效果。通過訓練多層、深度神經(jīng)網(wǎng)絡學習數(shù)據(jù)間復雜關系,在損失函數(shù)約束下,能夠自動提取圖像特征信息后融合,實現(xiàn)更為簡潔、智能化,且模型易于調(diào)整,適應性強。紅外與可見光圖像數(shù)據(jù)集中源圖像較少,且沒有標準的融合參考圖像。目前應用的幾種深度學習融合方法,大多需要在其他可見光數(shù)據(jù)集上進行預訓練,且訓練與測試模型不完全一致,無法實現(xiàn)輸入源圖像到輸出源圖像的端到端直接映射。這些有監(jiān)督網(wǎng)絡實現(xiàn)過程較復雜,且由于紅外與可見光源圖像并未參與網(wǎng)絡訓練,得到的融合模型泛化能力較差。針對上述相關問題,本文從無監(jiān)督深度學習融合角度出發(fā),在對原始數(shù)據(jù)集擴增基礎上,提出并設計... 

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

【文章頁數(shù)】：133 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 相關領域的研究現(xiàn)狀
        1.2.1 紅外與可見光圖像融合研究現(xiàn)狀
        1.2.2 深度學習網(wǎng)絡模型發(fā)展現(xiàn)狀
        1.2.3 基于深度學習的圖像融合研究現(xiàn)狀
    1.3 論文研究內(nèi)容及章節(jié)安排
        1.3.1 研究內(nèi)容
        1.3.2 章節(jié)安排
    1.4 本章小結(jié)
第2章 深度學習與圖像融合研究基礎
    2.1 深度神經(jīng)網(wǎng)絡結(jié)構(gòu)
        2.1.1 卷積神經(jīng)網(wǎng)絡
        2.1.2 殘差網(wǎng)絡
        2.1.3 密集連接網(wǎng)絡
        2.1.4 生成對抗網(wǎng)絡
    2.2 監(jiān)督學習與無監(jiān)督學習
        2.2.1 監(jiān)督學習
        2.2.2 無監(jiān)督學習
    2.3 紅外與可見光圖像融合方法
        2.3.1 傳統(tǒng)融合方法
        2.3.2 基于深度學習的融合方法
    2.4 本章小結(jié)
第3章 基于深度無監(jiān)督卷積神經(jīng)網(wǎng)絡的紅外與可見光圖像融合
    3.1 深度無監(jiān)督融合網(wǎng)絡構(gòu)建
    3.2 損失函數(shù)設計與分析
        3.2.1 感知損失設計
        3.2.2 結(jié)構(gòu)相似性損失設計
    3.3 網(wǎng)絡訓練與測試
        3.3.1 實驗平臺
        3.3.2 數(shù)據(jù)集擴增
        3.3.3 訓練及測試細節(jié)
    3.4 實驗結(jié)果與分析
        3.4.1 融合結(jié)果比較
        3.4.2 網(wǎng)絡模型分析
    3.5 本章小結(jié)
第4章 基于生成對抗網(wǎng)絡及殘差網(wǎng)絡的紅外與可見光圖像融合
    4.1 深度無監(jiān)督融合網(wǎng)絡構(gòu)建
        4.1.1 對抗網(wǎng)絡融合過程
        4.1.2 生成器網(wǎng)絡結(jié)構(gòu)
        4.1.3 判別器網(wǎng)絡結(jié)構(gòu)
    4.2 損失函數(shù)設計與分析
        4.2.1 生成器損失函數(shù)
        4.2.2 判別器損失函數(shù)
    4.3 網(wǎng)絡訓練與測試
    4.4 實驗結(jié)果與分析
        4.4.1 融合結(jié)果比較
        4.4.2 網(wǎng)絡模型分析
    4.5 本章小結(jié)
第5章 融合圖像質(zhì)量客觀綜合評價
    5.1 概述
    5.2 融合圖像質(zhì)量主觀評價
    5.3 融合圖像質(zhì)量客觀評價
        5.3.1 融合圖像本身質(zhì)量評價指標
        5.3.2 融合圖像與源圖像關聯(lián)性評價指標
    5.4 多指標綜合評價融合圖像質(zhì)量
        5.4.1 評價指標體系構(gòu)建
        5.4.2 結(jié)果對比分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 創(chuàng)新性成果
    6.3 研究展望
參考文獻
致謝
作者簡歷及攻讀學位期間發(fā)表的學術論文與研究成果


【參考文獻】：
期刊論文
[1]基于NSCT-PCNN的多聚焦紅外圖像融合[J]. 岳靜靜,李茂忠,陳驥,羅永芳,胡志宇.  紅外技術. 2017(09)
[2]一種基于稀疏表示的可見光與紅外圖像融合方法[J]. 張生偉,李偉,趙雪景.  電光與控制. 2017(06)
[3]基于OpenCV的紅外與可見光圖像實時融合系統(tǒng)[J]. 任貴文,賀行政,康榮學,李旭明.  單片機與嵌入式系統(tǒng)應用. 2017(04)
[4]利用紅外與可見光圖像融合測溫技術實現(xiàn)設備異常狀態(tài)預警[J]. 楊承,楊昕梅,李紹榮.  現(xiàn)代建筑電氣. 2014(S1)
[5]基于壓縮感知的紅外與可見光圖像融合算法[J]. 何國棟,石建平,馮友宏,謝小娟,楊凌云.  激光與紅外. 2014(05)
[6]融合圖像質(zhì)量評價指標的相關性分析及性能評估[J]. 張小利,李雄飛,李軍.  自動化學報. 2014(02)
[7]圖像融合質(zhì)量客觀評價方法[J]. 高紹姝,金偉其,王嶺雪,王吉暉,王霞.  應用光學. 2011(04)
[8]基于YUV空間色彩傳遞的可見光/熱成像雙通道彩色成像系統(tǒng)[J]. 史世明,王嶺雪,金偉其,趙源萌.  兵工學報. 2009(01)
[9]基于YUV空間的雙通道視頻圖像色彩傳遞及實時系統(tǒng)[J]. 王嶺雪,史世明,金偉其,趙源萌,王生祥.  北京理工大學學報. 2007(03)
[10]基于TMS320C6x的雙波段圖象高速融合系統(tǒng)[J]. 王毅,倪國強,李勇量.  中國圖象圖形學報. 2002(10)

博士論文
[1]紅外與紅外偏振/可見光圖像融合算法研究[D]. 朱攀.天津大學 2017
[2]紅外與可見光圖像融合技術研究[D]. 張蕾.中國科學院研究生院(長春光學精密機械與物理研究所) 2015
[3]紅外與可見光圖像融合算法研究[D]. 周渝人.中國科學院研究生院(長春光學精密機械與物理研究所) 2014
[4]紅外與可見光的圖像融合系統(tǒng)及應用研究[D]. 張寶輝.南京理工大學 2013
[5]微光與紅外圖像實時融合關鍵技術研究[D]. 田思.南京理工大學 2010
[6]基于多尺度經(jīng)驗模態(tài)分解的圖像融合算法研究[D]. 鄭有志.清華大學 2009

碩士論文
[1]紅外圖像和可見光圖像融合方法及其在電力設備監(jiān)測中的應用[D]. 師穎.西安理工大學 2018
[2]紅外多波段圖像融合算法研究[D]. 李朝陽.中國科學院大學(中國科學院光電技術研究所) 2018
[3]基于稀疏表示的紅外與可見光圖像融合方法研究[D]. 許曉偉.電子科技大學 2017
[4]紅外與可見光圖像融合方法研究[D]. 黃良學.重慶郵電大學 2016
[5]基于稀疏表示的圖像融合方法研究[D]. 李錦興.重慶大學 2015



本文編號：2986870