基于改进的主成分分析的红外与可见光图像融合方法研究

摘要

图像融合是一种结合了来自相同或不同的类型的传感器两个或两个以上图像技术,以产生更精确、全面和可靠的图像描述或解释,使图像更适合人的视觉感知或计算机的处理任务。
　　随着CCD相机和红外热像仪成像技术的不断发展与完善,红外与可见光图像融合在安全监控与信息导航领域的应用逐渐成为图像融合领域的研究热点。目前的红外和可见光图像融合算法虽然能够达到基本的监测与导航的要求,但融合算法复杂导致融合速度慢且融合质量较低导致成像效果差等效率不高的问题依然存在。所以针对红外与可见光图像融合的高效优良的算法研究是当前和今后一段时期内图像融合领域内的一个热点方向。本文针对红外和可见光图像融合的研究现状和典型的融合方法,主要做了以下几方面的工作:
　　首先,介绍了图像融合的概念,介绍了图像融合的图像融合的层次、规则、融合步骤与常见的融合方法以及图像融合的预处理。
　　然后,介绍了目前红外与可见光图像融合技术应用和理论研究的现状,给出了几种常用的融合方法,以及对应的实验数据。
　　最后,在分析基于主成分分析(PCA)的融和方法以及PCA结合多分辨率分解方法基础上,对PCA方法做了一点改进,在融合规则上提出了一种取最大信号强度的图像融合原则。通过与PCA及PCA-DCM实验数据对比,无论是主观评价还是客观评价,本文改进的融合方法效果都更好一些。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪 论

1.1 研究背景和意义

1.2 图像融合的应用现状和研究热点

1.3 本文的主要工作及章节安排

2 多源图像融合

2.1 图像融合的概念

2.2 多源图像融合的层次

2.3 图像融合的主要研究内容

2.4 多源图像融合的过程

2.5 多源图像融合预处理

2.6 本章小结

3 红外与可见光图像融合

3.1 红外和可见光成像系统

3.2 红外与可见光图像融合方法

3.3 红外与可见光融合性能评价指标

3.4 常见融合方法实验效果

3.5 本章小结

4 改进的加权P CA红外与可见光图像融合算法

4.1主成分分析

4.2 加权主成分分析融合方法

4 . 3 本文改进的加权PCA融合算法

4.4 试验测试

4.5 结 论

4.6 本章小结

5 总结与展望

5.1 全文总结

5.2 未来工作展望

致谢

参考文献