基于视觉感知的红外和微光图像彩色融合方法

摘要

红外和微光图像彩色融合可以获得包含二者信息的彩色融合图像，从而增加观察者对于场景的全面感知。但是在远距离红外与微光图像融合中，由于目标不明显，如果对融合图像进行目标提取，会丢失一部分背景信息，这对于场景的感知将造成较大的干扰。针对这一问题，本文探索研究了一种基于视觉感知的红外和微光图像彩色融合方法，将视觉目标类别(“what”)信息提取和并行处理机制应用于传统彩色夜视中，实现高效典型目标学习的红外和微光图像彩色融合。
　　本文研究了一种基于感兴趣区域分水岭分割以及BP神经网络的典型目标识别方法，以进行“what”信息感知:在训练阶段，对红外图像中的目标和背景分别从图像的颜色、梯度、矩和纹理四个方面进行特征描述，并运用BP神经网络对样本点的特征进行有监督的训练，从而得到能够区分目标和背景的网络模型;在目标识别阶段，对待识别的图像进行感兴趣区域分水岭分割，并对各个分割区域的测试点实施BP神经网络学习，获得各分割区域的目标属性，既保证了目标识别的准确率，又大大缩短了识别时间。本文还研究了一种基于视觉并行处理机制的典型目标彩色融合方法，该方法首先并行进行目标识别和场景融合，再将识别出的目标区域与场景进行二次融合，最终实现凸显目标的彩色夜视输出。
　　为了验证基于视觉感知的彩色夜视方法的有效性，本文搭建了基于DM642的双光谱图像融合夜视系统，并进行图像采集、融合实验。实验结果表明，运用本文方法获得的彩色融合图像不仅提高了目标的发现率，而且保留了丰富自然的背景信息。

目录

声明

摘要

1 绪论

1．1 彩色夜视技术及其发展现状

1．2 人工神经网络目标识别

1．3 图像分割技术

1．4 本文的主要研究工作

2 彩色夜视成像方法

2．1 红外与微光图像特征分析

2．2 颜色空间及相互转换

2．2．1 RGB颜色空间

2．2．2 YUV颜色空间

2．2．3 颜色空间

2．3 经典彩色夜视融合方法

2．3．1 NRL法

2．3．2 MIT法

2．3．3 TNO法

2．3．4 色彩传递法

2．3．5 颜色查找表法

2．4 经典彩色夜视融合方法的比较

2．5 本章小结

3 基于感兴趣区域分水岭分割的BP神经网络典型目标识别

3．1 红外图像特征的提取

3．1．1 颜色特征

3．1．2 梯度特征

3．1．3 纹理特征

3．1．4 Hu不变矩

3．2 红外图像特征的归一化

3．3 BP神经网络模式识别

3．4 感兴趣区域提取

3．5 分水岭分割

3．6 基于感兴趣区域分水岭分割的BP神经网络典型红外目标识别

3．7 本章小结

4 基于视觉并行处理机制的典型目标识别彩色夜视融合

4．1 基于YUV颜色空间的色彩传递彩色夜视方法

4．2 基于YUV颜色空间的颜色查找表彩色夜视方法

4．3 基于视觉并行处理机制的典型目标识别彩色夜视融合

4．4 本章小结

5 基于DSP的微光和红外彩色融合方法的硬件实现

5．1 应用程序设计

5．1．1 视频采集和播放

5．1．2 视频存储和处理

5．1．3 用户交互

5．1．4 程序硬件实现

5．2 实验结果

5．3 本章小结

6 论文总结

致谢

参考文献