水下无人航行器(Unmanned Underwater Vehicle,UUV)用途很广泛,在民用和军事等领域都发挥着非常大的作用,它的发展受到各国的重视,UUV主要是在水下工作,但是在一些特定情况下,UUV也需要在海面工作,比如海上的侦查、勘测、目标识别等任务,需要在海面作业的一些任务的相关技术也受到重视,并且得到了发展。本文的课题是基于UUV的可见光和红外图像融合方法的研究,该课题的研究背景就是将UUV拍摄的可见光和红外图像融合,然后利用融合后的目标信息对想要侦查的海域情况监测,以此来协助军事任务,这种技术有十分重要的意义。本文主要实现了对UUV拍摄的海面可见光和红外图像进行融合。主要内容如下:(1)首先对UUV的图像采集方式、可见光和红外图像成像原理、两种图像特点、两种图像成像区别、质量评价标准做了详细介绍。对于UUV红外和可见光成像模块的工作原理以图的形式呈现,更直观清晰;UUV图像采集时的摄像机安装位置图直观展现了摄像机的位置。(2)针对UUV拍摄的可见光图像有雾,导致图像模糊对比度低等特点,本文用改进的暗通道先验去雾算法对图像去雾。先求取暗通道,再对大气光估计并进行改进,然后是粗糙透射率的获取,并使用软抠图的方法进一步细化透射率,最后是图像复原。该算法能够有效抑制何恺明算法的图像失真现象,使得图像细节信息复原效果较何恺明的原始去雾算法有较大改善。(3)对于UUV拍摄的海面可见光和红外图像纹理细节不清楚这一问题,文中在去除雾气的图像的基础上,对去雾后的图像利用小波和有理数阶偏微分联合图像增强算法对图像进行增强处理,使得图像在去雾的基础上提高对比度,增强图像纹理细节。(4)为了融合基于UUV的可见光和红外图像,使得融合后的图像不仅包含可见光图像的场景信息,并且包含红外图像的热红外目标的轮廓信息,使想要观测的目标的周围环境清晰展现,或发现隐藏的目标位置。本文描述了一种基于频域的改进NSST红外和可见光图像融合算法,这种融合算法是将改进的NSST分解与基于频域的图像融合规则相结合,大大加快了传统融合算法的速度,并且改善了传统融合算法的融合效果。