论文部分内容阅读
红外传感器成像原理为热辐射成像。其成像不受雾、阴天等恶劣天气的影响,但得到的图像背景比较模糊,并且空间分辨率和图像对比度低。可见光传感器利用可见光反射成像,获得的图像纹理清晰,却容易被雾、雨等恶劣环境干扰。智能船或者救援船在水面航行时,由于雾的遮挡,可见光传感器无法识别出雾中需要救援人,而红外传感器能够通过热辐射识别出雾中的人,却由于其成像原理,无法获得人的具体位置。所以本文针对雾天的水面目标图像的采集问题,设计了两套红外与可见光的融合方法。本文主要包括以下四个方面:1.首先本文阐述了图像融合的三个层次(像素级、特征级和决策级)和红外与可见光成像的原理,并分别在空间域和变换域介绍了现在比较成熟的图像融合方法,并且对图像进行了预处理(滤波、增强和配准)。并阐述了图像的质量评价指标,为后面对融合后的图像质量评价做好理论基础。2.其次深入了解非下采Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)的基本原理和组成(非下采样塔型滤波器组和非下采样方向滤波器组),并阐述了基于NSCT的图像融合原理及融合实例,并通过改变阈值找到最佳的融合阈值。同时阐述了脉冲耦合神经网络(Pulse coupled neural networks,PCNN)的基本原理和简化模型,并阐述了该模型在图像融合中的实现方法和融合实例。3.接着本文提出了一种能够应用于红外图像显著性检测的改进Frequency-tuned(FT)算法。通过显著性检测出的显著图数值的归一化与NSCT变换后得到的低频系数进行加权平均,使融合算法进行优化并与其他成熟的方法在主客观上对融合图像质量进行评价。4.最后在PCNN算法基础上,选择能够反映图像局部特性的区域能量作为神经元的链接强度β,NSCT分解得到的低频子带利用区域方差作为融合规则;NSCT得到的带通方向子带系数利用PCNN作为融合规则。实现NSCT和PCNN的算法融合。通过MATLAB进行编译,并在主客观上对融合后的图像质量进行评价。