基于稀疏表示理论的多波段图像融合与彩色化

摘要

图像融合是指通过综合多传感器图像信息，获取对同一场景更全面和准确的描述，以便对场景进行更深一步地分析和理解。随着可见光与红外成像技术的发展，综合和发掘可见光与红外图像的特征信息，使其融合成信息更全面的图像已发展成为一种有效的技术手段。由于夜视图像中的微光图像和红外图像都是单色图像，灰度等级有限，彩色夜视图像可通过人眼的色彩感知获取更丰富的场景信息，从而提高目标识别和探测效率，减少视觉疲劳和判断时间。因此，图像融合以及彩色夜视技术成为图像处理领域的研究热点。本文着力研究正常光照下红外与彩色可见光图像融合算法以及夜视中红外与微光图像彩色融合方法，从而实现全天候多波段图像的融合与彩色化，进一步提高彩色融合技术的实用化和民用领域的普及。
　　论文首先阐述了图像融合以及彩色夜视理论，对双波段图像融合经典算法以及夜视图像彩色化方法进行了总结和探讨，并介绍了图像稀疏表示方法，为下文奠定理论基础。
　　其次，针对红外与可见光图像所表现的目标特征不同，提出了一种基于IHS空间和稀疏表示的图像融合方法。该方法首先对彩色可见光图像进行IHS变换，对红外图像进行灰度变换;然后用基于K_SVD的分块稀疏表示方法对可见光图像的亮度分量和已变换红外图像进行灰度融合;最后通过IHS逆变换得到彩色融合图像。实验数据表明该方法不仅保留了可见光图像完好的色彩信息和丰富的纹理细节信息，同时也很好地融合了红外图像的热目标信息，融合图像优于传统IHS和小波变换方法。
　　最后，针对红外图像和微光图像的特点，本文提出一种基于稀疏表示和色彩传递的双波段图像融合与彩色化方法。该方法首先采用改进的基于K_SVD的分块稀疏表示获得红外与微光图像的稀疏融合图像，然后在YUV空间采用基于色彩传递的自然感彩色夜视处理技术，对红外与微光图像进行彩色化融合，最后用稀疏融合图像的灰度值代替彩色融合图像的Y分量，从而实现双波段图像的融合与彩色化。实验表明，本文提出的彩色融合算法能够综合红外与微光特征信息，且使图像具有最佳的亮度对比和细节信息，图像色彩更易于人眼观察。

目录

声明

摘要

1 绪论

1．1 引言

1．2 研究背景及意义

1．3 国内外研究现状

1．3．1 图像融合技术研究现状

1．3．2 彩色夜视技术研究现状

1．4 论文的主要研究工作

1．5 论文的结构安排

1．6 本章小结

2 双波段图像融合及彩色夜视理论

2．1 引言

2．2 图像融合的层次划分

2．3 双波段图像融合经典算法

2．3．1 线性加权图像融合

2．3．2 基于金字塔变换的图像融合

2．3．3 基于小波变换的图像融合

2．4 彩色化相关理论

2．4．1 色彩空间概念

2．5 夜视图像彩色化算法分类

2．5．1 伪彩色编码法

2．5．2 彩色空间组合法

2．5．3 welsh色彩传递彩色化算法

2．6 本章小结

3 图像过完备稀疏表示理论

3．1 引言

3．2 稀疏表示模型

3．3 稀疏优化算法

3．3．1 贪婪追踪算法

3．3．2 正交匹配追踪算法

3．3．3 其他优化算法

3．4 字典训练算法

3．5 本章小结

4 基于改进的K-SVD的红外与彩色可见光图像融合

4．1 引言

4．2 双波段图像预处理

4．2．1 红外图像灰度变换

4．2．2 彩色图像IHS变换

4．3 基于分块稀疏表示的红外与彩色可见光图像融合

4．3．1 图像的超完备稀疏表示

4．3．2 过完备字典的创建

4．3．3 红外与彩色可见光稀疏融合

4．4 实验结果与分析

4．5 本章小结

5 基于改进的K-SVD的夜视图像融合与彩色化

5．1 引言

5．2 基于分块稀疏表示的红外与微光图像融合

5．2．1 图像的超完备稀疏表示

5．2．2 过完备字典的创建

5．2．3 红外与微光图像稀疏融合

5．3 红外与微光融合图像的彩色化

5．3．1 基于YUV空间的色彩传递

5．3．2 优化亮度对比

5．4 实验结果与分析

5．5 本章小结

6 总结与展望

6．1 本文的工作总结

6．2 今后的研究方向与展望

参考文献

攻读硕士学位期间发表的学术论文

致谢