论文部分内容阅读
微光和红外图像融合能够综合利用微光传感器和红外传感器这两种各有所长的传感器的互补性和冗余性,提高获取信息的准确性和可靠性,增强系统的目标探测及识别能力,有助于提高用户(例如战斗机飞行员)决策的准确性和实时性。随着夜视技术的发展,图像融合开始大量地运用于微光图像和红外图像的融合。本文利用图像融合技术,结合微光图像和红外图像的特点,提出了微光与红外图像融合的方法,包括图像滤波、图像增强、图像配准、图像融合等方面。随着对微光与红外图像融合的速度要求越来越高,需要借助性能更好的硬设备进行图像融合。基于此,本文提出了采用在并行处理方面功能强大的NVIDIA公司提出的CUDA架构GPU对微光图像与红外图像进行融合实现。实现微光与红外图像融合,涉及到图像融合算法的优化和用CUDA实现图像融合算法两部分。本文主要研究了利用CUDA强大的并行处理能力,来实现快速的图像融合。首先,提出了效果优良并且适用于并行运算的图像融合方法,包括均值滤波、直方图均衡、Sobel边缘检测、基于小波变换的图像融合等。其次,通过CUDA编程对以上算法进行了实现,并且将其与对应的CPU程序相比较,研究结果表明GPU执行效率比CPU高出一个数量级,随着数据量的增加,GPU的加速比还会增大。因此,使用CUDA实现微光与红外图像融合相比于单纯使用CPU串行运算能够得到更高的运算速度。具有强大并行运算能力和简便开发环境的CUDA适用于微光与红外图像融合,但是CUDA的开发难度还是比CPU要高,需要掌握CUDA的线程结构和内存结构等底层知识。本文利用图像融合技术,结合微光图像和红外图像的特点,提出了微光与红外图像融合算法,具有一定的实用性;本文将CUDA应用于图像融合领域,并实现微光与红外图像融合,具有一定的创新性;本文比较融合算法在GPU和CPU上的执行效率,结果表明用CUDA实现微光与红外图像融合比单纯使用CPU具有更高的执行效率,具有一定的先进性。