论文部分内容阅读
随着科学技术的快速发展,各类传感器工艺的不断完善,以及人们对物质生活水平的要求的不断提高,使得单一的一些图像不能满足人民的需求。并且在军事战场上,为了能及时发现目标,给战士留下充足的准备时间,这些原因都使得图像融合技术越来越显得重要,所以研究这项技术有着非常重大的意义。尤其是红外与可见光图像,这是一对互补的传感器图像,使得融合的图像信息更加丰富,所以本文主要研究这两者之间的图像融合技术。本文首先对常用的一些算法进行分析研究,并将这些算法进行对比,论述了这些算法优缺点。主要工作是针对红外图像的目标物体能量高以及可见光图像细节信息丰富的特点,提出一种基于改进的Tetrolet变换的红外与可见光图像融合算法。这种算法首先是对Tetrolet变换中的模板选择上进行改进,不再是选择高频系数的最小值作为评判标准,而是以高频系数的一阶范数最大值作为标准。这样做是为了在高频区域保留更多的原始的高频细节信息,有效提高融合图像的清晰度以及信息量;再者是果断去掉了硬阈值函数的设定,这样虽然在去噪方面有所损失,但却可以有效保留细微的细节信息,使得图像的逆变换质量提高;在逆变换中,增加逆变换模板的选择这一过程,用峰值信噪比PSNR作为选择标准,提高了融合图像的对比度;最后就是在融合规则上进行改进,将局部区域能量自适应的融合规则加以改变,增加能量比这一因素,根据能量比的大小,对权值进行适当的缩放,可以有效保留红外图像中的目标特征信息以及可见光中的一些背景信息。本文通过选取两组背景不同的图像进行对比实验,一组是城市中的夜景,人物目标较为丰富;另一组是野外环境下的图像,背景比较复杂。通过在MATLAB软件上进行实验仿真,实验结果表明,通过本文提出的融合算法,确实要比其他一些常用的融合算法效果要好。在主观评价指标中,通过本文算法得到的融合图像的目标特性更好,而且可见光中的背景信息也较为丰富。在客观的实验数据中,平均梯度值AvG、信息熵IE以及峰值信噪比PSNR都有较大的提高,通过客观数据有效验证了本文算法的有效性和可行性。在程序的实现过程中,有效利用MATLAB本身强大的数据处理功能,将Tetrolet变换的模板和逆变换的模板都用一个较大的矩阵进行表示,在计算过程中,直接用矩阵相乘代替循环计算,既解决了模板的选择问题,又节省不少时间和运算成本。