论文部分内容阅读
随着使用环境的日益复杂,单一传感器的光电成像系统难以满足实际需要。在多传感器的成像系统中,多模式图像融合技术可以结合不同传感器的图像信息,所以被广泛地应用在光电成像探测领域。实际上,若想实现高质量的图像融合,则必须采用图像配准技术在空间上对齐多个图像。然而,在纹理差异、场景深度等因素的影响下,实现精确的多模式图像配准仍面临着很多难题。同时,传统的彩色融合方法也存在纹理信息不足、目标显著性差等缺陷。为解决这些难题,论文以红外与可见光视频图像融合为目标,对多模式图像的配准技术和彩色融合技术开展了研究。论文的主要工作和研究成果如下:1、针对多模式视频图像中难以准确进行特征提取和匹配的难题,提出了一种特征与运动信息分层结合的多模式配准方法。首先,采用同源特征匹配估计目标运动矢量,计算粗配准矩阵;在利用粗配准矩阵重新定位目标与特征点的基础上,采用归一化位置和边缘方向直方图描述特征点,建立了严格的特征匹配机制;基于匹配方向剔除误匹配,建立动态匹配库保存多帧的特征点对;最后,利用匹配库中的所有点对确定一个精确的全局配准矩阵。实验结果表明该方法在所有测试视频上的标准重叠率误差的均值仅为18.4%,优于当前先进的配准方法。2、为了克服非平面场景中多目标深度差异的影响,提出了一种多目标独立分析的多模式配准方法。主要是利用形状信息和位置分布信息匹配目标,采用目标匹配的结果简化特征匹配过程;为了独立保存来自不同目标的特征点对,建立基于高斯准则的动态匹配库,采用KCF多目标跟踪算法完成匹配库分配;最后,利用对应匹配库中的所有点对为每个目标确定一个精确的配准矩阵。在非平面场景中,此方法能够实现精确的多目标配准。实验结果表明,与当前先进的全局配准算法相比,该方法在各个测试视频上的前景重叠率误差降低了10%-35%,具有更好的精确度及鲁棒性。3、为了提升融合图像中纹理的对比度与目标的显著性,提出了一种多分辨率分析的目标增强式彩色融合方法。采用小波变换技术对多模式图像进行多分辨率分解,根据不同的融合规则融合高、低频成分,获取灰度融合图像;利用灰度融合图像生成伪彩色融合图像,并由运动目标检测技术提取目标前景;在参考图像与伪彩色图像之间进行色彩传递,采用传递权重突出前景目标。实验结果表明该方法有效地提高了纹理细节和目标前景的显著程度,具有更好的融合效果。4、采用公开通用的LITIV及OTCBVS红外-可见光视频数据集,对论文提出的算法进行实验测试与验证。对比一些当前先进的配准算法并进行质量评价,给出了图像配准的实验测试结果。实验结果显示,针对多模式图像纹理差异与目标深度变化问题,论文的配准算法具有良好的精确度与鲁棒性;与经典的色彩传递算法作对比,给出了图像融合的实验测试结果。结果显示论文的融合算法明显增强了融合图像的纹理与目标信息。最后,进行了总结和展望。