基于矩阵低秩稀疏分解的图像融合算法研究

摘要

图像融合技术目前应用广泛，其目的是整合多传感器数据的互补信息，使得新的图像更适合人类视觉感知和计算机处理任务，如分割，特征提取和对象识别的目的。通常像素级的图像融合主要是为了对融合图像进行观测，以便进行下一步的分析。对于视频图像的融合更多是为了进行运动目标的检测和跟踪，特征级融合由于其对目标具有较好的表征，所以比像素级融合更加适合。本文针对经典目标检测算法在目标检测中的不足，通过对红外和可见光的视频图像进行融合，以得到更加完整的，准确的运动目标。主要提出了一种引入边缘信息的灰度置信图融合算法框架，完成运动目标检测。然后对检测的结果进行定性分析和定量分析。在目标的边缘特征提取方面，本文提出了一种改进的基于K-means聚类的双阈值目标边缘检测算法，时间复杂度低，得到的边缘特征对目标有更好的表征。
　　本研究主要内容包括：⑴分析了矩阵低秩稀疏分解算法的数学模型和在背景建模和目标检测领域上的工作原理，重点介绍了incPcp算法在视频全增量处理上的改进，并与其它目标检测算法进行了比对分析；⑵提出了一种改进的基于K-means聚类的双阈值目标边缘检测算法，该算法在增强运动目标的显著性边缘的时候即利用了灰度值信息，同时利用了像素的邻域信息，所以对目标边缘的正确表征效果更好；⑶针对基于先检测后融合的目标检测算法的不足，引入边缘信息，提出了一种基于联合的融合框架。充分利用视频图像的时空信息，将图像的边缘特征和灰度信息进行联合，并由红外和可见光图像进行互补，得到非常好的检测效果。

目录

声明

第一章 绪 论

1.1 研究目的与意义

1.2 国内外研究历史与现状

1.3 研究内容

1.4 本论文的结构安排

第二章 矩阵低秩稀疏分解理论概述

2.1 常用的目标检测算法

2.2 矩阵低秩稀疏分解理论基础

2.3 本章小结

第三章 基于目标边缘提取的融合算法研究

3.1 目标边缘提取的融合算法

3.2 目标边缘提取框架

3.3 目标边缘融合与边缘连接

3.4 本章小结

第四章 引入边缘信息的灰度置信图融合算法研究

4.1 引入边缘信息的灰度置信图融合算法

4.2 实验结果与分析

4.3 本章小结

第五章 总结与展望

5.1 本文总结

5.2 展望

致谢

参考文献