论文部分内容阅读
红外与可见光图像融合作为多源图像融合中的一个重要分支,既继承了图像融合的基本理论和方法,又具有其自身的特性。红外传感器利用景物的热辐射性质成像,具有不受天气和光照环境影响的特点,但其获得的红外图像整体比较模糊,且具有较低的空间分辨率和图像对比度;相对而言,可见光传感器通过探测场景反射的可见光成像,其获得的可见光图像具有较高的空间分辨率、清晰的纹理信息以及丰富的图像细节成分,但其容易受光照条件以及天气环境的干扰。因此结合红外与可见光图像自身的特点进行图像融合具有重要的研究意义。本文主要针对红外与可见光图像融合中的关键技术进行了研究。首先对图像融合的基本理论、原理、框架和主要方法进行了研究,为本文中红外与可见光图像融合技术的研究奠定理论基础。然后针对红外图像和可见光图像各自的成像原理、图像特性进行了分析与比较;阐述了图像融合质量评价的主观评价方法以及客观质量评价指标。多尺度分析方法是图像融合领域应用最为广泛的方法,本文对非下采样Contourlet变换(NSCT)理论的原理和实现方法进行了深入地研究与分析,并将NSCT作为本文图像融合算法的基本工具。然后在此基础上,分别提出了基于视觉显著性和基于RPCA的红外与可见光图像融合算法:(1)视觉显著性反映的是场景中目标吸引视觉注意的能力,此特性与红外图像和可见光图像融合中需要提取红外图像中的目标信息具有一致性,于是本文结合视觉显著性和NSCT的平移不变性提出了一种红外与可见光图像融合的新算法;(2)根据RPCA理论,高维数据矩阵可以表示为低秩矩阵和稀疏矩阵的叠加,本文将此理论应用到图像处理领域,提出了基于RPCA和NSCT的红外与可见光图像融合算法。本文通过实验对基于视觉显著性和基于RPCA的红外与可见光图像融合算法与基准算法进行了比较,从主观和客观两方面对算法的有效性进行了评估,实验结果表明两种方法既能突出红外图像中的目标信息,同时有效地利用了可见光图像中丰富的背景信息。