论文部分内容阅读
随着红外探测器的发展和图像处理技术的进步,各种红外探测器系统被广泛应用于军事和民用领域,并向着高分辨率、多波段和大面阵为特点的方向发展。其中,红外双波段探测器发展迅速,被称为第三代红外探测系统。其优势在于可以获得不同波段的目标信息,并对各波段间信息差异进行分析处理,最终获得对同一场景的完整信息表达。同时,图像融合技术可以将多个传感器获得的图像进行有效信息的融合,广泛应用于各类图像的信息融合中,例如红外与可见光图像、多聚焦图像、各类医学图像、遥感类图像、微光图像以及偏振图像等。本文以长波红外(Long Wave Infrared,LWIR)和中波红外(Medium Wave Infrared,MWIR)图像为研究对象,对红外双波段图像融合算法相关技术进行了研究。主要研究内容如下:1.对LWIR和MWIR图像特性进行了研究。从二者的图像数字统计特征的差异、目标和背景的差异以及图像变换域的差异三个角度对多组红外图像进行了分析,得出了两类适用于图像融合的红外图像。一类是应用于城市交通监测系统的红外图像组,图像中红外目标较多且复杂,背景信息较多,且边缘和纹理较为丰富,其融合可以通过传统图像的融合算法加以改进来实现。另一类是红外远距离目标图像组,图像中红外目标较小,背景的噪声和杂波较多。由于传统融合算法无法区分其背景和目标,因此需要将目标检测算法引入到该红外图像组的融合算法中。2.提出一种基于视觉显著图(Visual Saliency Map,VSM)和自适应脉冲耦合神经网络(Adaptive Pulse Coupled Neural Network,APCNN)的图像融合算法。针对红外图像亮度低和对比度差的问题,采用了基于VSM的低频融合规则和基于APCNN的高频融合规则。本文分别对融合规则进行了改进:低频融合中引入图像梯度能量(Energy Of Gradient,EOG),用以提取低频信息中剩余高频信息,高频融合中引入(Spatial Frequency,SF)用以改善APCNN中的链接强度。通过与5种传统融合算法的对比,从主观视觉效果和7种客观评价因子方面说明了算法的有效性。3.提出了一种基于红外双波段的目标增强融合算法。由于小目标在MWIR和LWIR图像中所占比例很小,因此对其进行融合时,容易将大量背景噪声引入,严重影响融合效果。因此,本文通过初步图像融合和目标增强融合两个步骤,对目标区域进行增强的同时抑制了背景噪声:初步融合中,为了降低背景噪声和杂波的能量,低频子带采用加权融合规则减少背景杂波较多的低频子带融合权重,以实现抑制背景的效果;在目标增强融合中,采用形态学滤波和迭代阈值来提取潜在目标区域,对MWIR和LWIR的潜在目标区域进行叠加后进行非线性增强,以实现目标增强的效果。实验结果表明,获得的目标增强融合图像在对比度和亮度等视觉效果上有了较大的改善,同时在信噪比和信杂比等指标方面也有了较好的提升。