【摘要】：目前紅外圖像和微光圖像融合大都處于灰度融合階段,而人眼對于灰度信息的分辨能力與彩色信息相比要低得多,彩色融合圖像可以讓人眼更快的識別目標和場景。因此開展紅外圖像和微光圖像彩色融合算法研究十分重要。生物視覺經(jīng)過大自然數(shù)億年的進化,可以完成很多機器視覺和圖像處理難以想象的視覺任務。通過對鱟和響尾蛇視覺特性進行研究,本文提出用仿生算法增強和融合紅外圖像和微光圖像,從而獲得色彩自然、目標突出的彩色融合圖像。本文的主要研究工作如下:(1)對紅外圖像和微光圖像進行特征分析并介紹了幾種常用的顏色空間及其相互轉(zhuǎn)換方法,為圖像增強和彩色融合打下理論基礎(chǔ);對4種經(jīng)典的紅外圖像和微光圖像彩色融合算法進行深入分析和仿真實現(xiàn),對比其優(yōu)缺點。(2)研究了紅外與微光圖像仿生增強算法。首先針對紅外圖像和微光圖像亮度水平低,對符合人眼視覺特性的對數(shù)函數(shù)進行改進,實現(xiàn)圖像亮度水平的自適應調(diào)節(jié);然后針對紅外圖像和微光圖像對比度差,對鱟眼側(cè)抑制網(wǎng)絡進行改進,可以根據(jù)圖像的邊緣信息自適應調(diào)整側(cè)抑制系數(shù),增強局部細節(jié)信息和提高圖像對比度。最后與鱟眼側(cè)抑制算法和Retinex增強算法進行對比,本文仿生圖像增強算法可以獲得更好的增強效果。(3)由于麻省理工大學(Massachusetts Institute of Technology,MIT)仿生響尾蛇彩色融合法(簡稱MIT法)只模擬了響尾蛇紅外抑制可見光細胞,且融合圖像目標不突出,因此本文提出改進的MIT算法,可以完整體現(xiàn)響尾蛇雙模式細胞的“增強”和“抑制”功能。最后與MIT算法進行對比實驗和直方圖分析,結(jié)果顯示,本文改進的MIT仿生響尾蛇算法獲得的彩色融合圖像目標更清晰,易被人眼識別。(4)對本文改進的MIT仿生響尾蛇算法、MIT算法和吉林大學王勇算法獲得的彩色融合圖像進行主觀質(zhì)量評價和客觀質(zhì)量評價。主觀評價結(jié)果表明,本文算法融合圖像目標清晰,顏色層次豐富�？陀^評價結(jié)果顯示,本文算法融合圖像在在色彩度、互信息和結(jié)構(gòu)相似度等方面均高于MIT法和王勇算法融合圖像。說明本文算法融合圖像比MIT法和王勇算法融合圖像色彩層次豐富,而且包含更多的源圖像信息、與源圖像結(jié)構(gòu)更相似。
【學位授予單位】：武漢理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;TN219
【圖文】：

1.3 國內(nèi)外研究現(xiàn)狀1.3.1 國外研究現(xiàn)狀二十世紀八十年代，人們開始關(guān)注多傳感器圖像融合，九十年代，美國、荷蘭、加拿大等國家紛紛開始致力于研究彩色夜視融合。其中美國麻省理工大學（Massachusetts Institute of Technology，MIT）林肯實驗室和荷蘭應用科學研究組織（NetherlandsOrganisationforAppliedScientificResearch，TNO）人類因素研究所在這方面取得了顯著的成就[1]。MIT 林肯實驗室 Allen M. Waxman 和 David A. Fay 等人[2-4]基于拮抗受域理論（Opponent Receptive FieldTheory）模仿響尾蛇雙通道（紅外和可見光）視覺特性融合紅外圖像和微光圖像，可以獲得較為自然的彩色融合圖像，簡稱 MI法。David A. Fay[2]利用 MIT 法開發(fā)出多傳感器夜視成像系統(tǒng)（Fusion of MultSensor Imagery for Night Vision），如圖 1-1 所示。

其獲得的彩色融合圖像與紅外、微光灰度圖像之間建立二維查找表，最終根據(jù)二維查找表繼續(xù)開展后續(xù)的彩色圖像融合。查找表法為快速視頻處理打開了一個新方向。2010 年至今[8,9]，Toet 等人接連開發(fā)了壁虎系統(tǒng)（Gecko System）、毒蛇系統(tǒng)（ViperSystem）和三波段彩色夜視系統(tǒng)（TRI-bandColorLow-lightObservation，TRICLOBS）[10,11]，如圖 1-2 到圖 1-4 所示。其中三波段指的是長波紅外、近紅外和可見光（微光）波段。2014 年起，Toet 建立 TNO 多波段圖像數(shù)據(jù)庫[12]，被全世界學者引用。

查找表繼續(xù)開展后續(xù)的彩色圖像融合。查找表法為快速視頻處理打開了一方向。2010 年至今[8,9]，Toet 等人接連開發(fā)了壁虎系統(tǒng)（Gecko System）、毒蛇（ViperSystem）和三波段彩色夜視系統(tǒng)（TRI-bandColorLow-lightObservatioRICLOBS）[10,11]，如圖 1-2 到圖 1-4 所示。其中三波段指的是長波紅外、近和可見光（微光）波段。2014 年起，Toet 建立 TNO 多波段圖像數(shù)據(jù)庫[12]，世界學者引用。圖 1-2 壁虎系統(tǒng)

【相似文獻】

相關(guān)期刊論文 前10條

1 張錦華;孫挺;;引入像點融合度修補的圖像邊緣化參差拼接實現(xiàn)[J];微電子學與計算機;2014年08期

2 翟逸飛;;基于FPGA的圖像邊緣處理研究[J];企業(yè)技術(shù)開發(fā);2013年12期

3 顧長友;妙用Photoshop處理圖像邊緣[J];電腦知識與技術(shù);2003年08期

4 濮群,余桂;用線性模型檢測圖像邊緣[J];清華大學學報(自然科學版);1988年01期

5 宋建中;;噴霧圖像的自動分析[J];光學機械;1988年04期

6 高華;;關(guān)于古建筑圖像中破損點優(yōu)化提取仿真[J];計算機仿真;2017年11期

7 劉娟娟;劉斌;;低照度非線性光學圖像邊緣自適應增強裝置設(shè)計[J];激光雜志;2017年03期

8 張琳梅;;基于圖像邊緣增強的改進方法[J];信息系統(tǒng)工程;2016年03期

9 王水萍;鄒蕾;;空中模糊目標圖像邊緣信息的融合與恢復方法[J];科技通報;2014年06期

10 朱慶生;楊世泉;柳鋒;;基于圖像邊緣摘要的快速模板匹配[J];計算機應用研究;2009年02期

相關(guān)會議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應用學術(shù)論文集（第四卷）[C];2002年

2 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學會第十屆全國圖像圖形學術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

3 王亮亮;李明;高昕;;強模糊空間目標圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學術(shù)交流會論文集（下冊）[C];2010年

4 陳煒;張陽陽;孟慶勛;;一種基于Curvelet變換的圖像邊緣增強方法[A];國家安全地球物理叢書（十）——地球物理環(huán)境與國家安全[C];2014年

5 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強[A];第六屆全國信息獲取與處理學術(shù)會議論文集（1）[C];2008年

6 楊文秀;陸常周;;最優(yōu)小波問題探討[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

7 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學會2011年學術(shù)年會論文集[C];2011年

8 胡昌偉;屈小波;郭迪;寧本德;陳忠;;基于邊緣加權(quán)的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國波譜學學術(shù)會議論文摘要集[C];2012年

9 王世平;馬時平;李權(quán)合;何林遠;王晨;丁文杉;劉坤;;一種基于邊緣約束的快速圖像去霧算法[A];第八屆中國航空學會青年科技論壇論文集[C];2018年

10 楊唐文;王敏杰;秦勇;;融合圖像邊緣和區(qū)域特征的道路檢測算法[A];2013年中國智能自動化學術(shù)會議論文集（第三分冊）[C];2013年

相關(guān)重要報紙文章 前6條

1 侯杰;國產(chǎn)芯片進軍移動多媒體市場[N];人民郵電;2003年

2 吳飛;無邊距照片打印三部曲[N];中國電腦教育報;2003年

3 成嶺;消除Premiere中慢鏡頭的圖像抖動[N];電腦報;2003年

4 ;體驗決定一切[N];中國計算機報;2003年

5 Wang JS;摳圖又有新招[N];電腦報;2002年

6 ;令挑剔的人也刮目相看[N];中國電子報;2001年

相關(guān)博士學位論文 前10條

1 劉飛;透混沌介質(zhì)偏振成像技術(shù)[D];西安電子科技大學;2016年

2 李永軍;圖像與視頻低復雜度壓縮算法研究[D];西安電子科技大學;2017年

3 何人杰;圖像去霧與去湍流方法研究[D];西北工業(yè)大學;2017年

4 張文靜;光場成像技術(shù)在天空偏振模式測量和湍流圖像清晰化中的應用研究[D];國防科學技術(shù)大學;2016年

5 左承林;圖像非局部均值去噪方法研究[D];國防科學技術(shù)大學;2016年

6 王丹;基于暗通道先驗的圖像和視頻去霧模型及算法研究[D];國防科學技術(shù)大學;2016年

7 宋文青;SAR圖像自動目標提取方法研究[D];西安電子科技大學;2018年

8 楊濱;圖像克隆拼接篡改盲取證技術(shù)研究[D];湖南大學;2014年

9 張小帆;基于介觀尺度的內(nèi)燃機進氣流場層析圖像診斷機理研究[D];華南理工大學;2018年

10 顏小運;自然場景圖像中顯著物體檢測方法研究[D];華中科技大學;2018年

相關(guān)碩士學位論文 前10條

1 蔣文宇;基于非局部總變分法的圖像去噪算法研究[D];浙江工業(yè)大學;2018年

2 胡宇雯;基于領(lǐng)域知識驅(qū)動的深度學習Pan-sharpening方法[D];廈門大學;2017年

3 劉昱龍;高分辨率光學遙感圖像艦船檢測研究[D];廈門大學;2017年

4 陳晨;卡通圖像顯著性線條檢測技術(shù)研究[D];廈門大學;2017年

5 郭建志;面向3D打印的向量場引導的圖像線刻畫生成方法[D];廈門大學;2017年

6 張光裕;高質(zhì)量圖像的漸進式并行檢索算法研究[D];廈門大學;2017年

7 王怡;人臉圖像修復技術(shù)研究[D];浙江工業(yè)大學;2018年

8 張陣;紅外與微光圖像彩色融合仿生算法的研究與實現(xiàn)[D];武漢理工大學;2018年

9 陳佳悅;小麥冠層圖像處理及氮素圖像評價指標研究[D];南京農(nóng)業(yè)大學;2017年

10 王婉婉;激光主動成像的圖像噪聲抑制方法研究[D];長春理工大學;2018年

本文編號：2767389