毕业论文红外图像融合探讨与研究

摘要摘 要图像融合通过提取和综合来自多个传感器图像的信息，获得对同一场景(或目标)的更为准确、全面、可靠的图像描述，以便对图像进行进一步的分析、理解以及目标的检测。在军事、遥感、机器人、医学图像处理以及计算机视觉等领域必将有着更广泛的应用前景。本文主要在红外图像的融合现有研究成果的基础上做了进一步的研究。研究主要内容如下:1、研究了基于 PCA 分块结合高通滤波的红外图像融合算法。依据多聚焦图像的特征结合 PCA，探讨了一种新的清晰度指标，并以此为基础上讨论了图像融合算法。2、研究了基于焦点区域检测的红外图像融合算法。利用像素与邻域内像素方差判断清晰与否，在此基础上讨论了焦点区域的检测的图像融合算法。3、以小波变换为基础，针对图像的低频部分的融合进行了研究，由此探讨了基于低频边缘特征和能量特征的融合规则。4、研究了基于空域和频域的图像融合的基础上，探讨了一种基于图像分块和小波变换的红外图像融合算法。关键词：红外图像融合，PCA，清晰度指标，区域检测，小波变换ABSTRACT ABSTRACTImage fusion through the extraction and comprehensive from several sensors image information, get to the same scene (or target) more accurate, comprehensive, reliable image description, so as to further analysis of image, understanding and target detection. In the military, remote sensing, robots, medical image processing and computer vision field will have more extensive application prospect.This paper mainly in the infrared image fusion the basis of current research achievements have been further research. Investigate the main contents are as follows:1、 Based on the PCA block combination of infrared image fusion high-pass filter algorithm. According to the focus map,like features combined with PCA, discusses a new definition index, and, on this basis, discuss the image fusion algorithm.2、 Based on the focus of the region detection infrared image fusion algorithm. Use of pixels and neighbourhood pixels.Variance judgment clearly or not, on the basis of the focus of the discussion area detection algorithm of image fusion.3、 Wavelet transform-based, low-frequency part of the image fusion research, which explores the based on the low-frequency edge of the characteristics and energy characteristic of fusion rules.4、 Based on the spatial and frequency domain of image fusion, and on the basis of the discussion based on image block and wavelet transform infrared image fusion algorithm.Keywords: infrared image fusion, PCA, clarity index, regional test, wavelet transform目 录目 录第一章 绪 论11.1 图像融合技术在国内外的发展11.2存在的问题21.3 本文的主要工作3第二章 红外图像融合的基本原理52.1 几种常见的图像52.1.1 可见光图像52.1.2 红外图像52.2 图像融合的定义62.3 图像融合的目的和要求62.4 图像融合的难点72.5 图像融合的层次72.5.1 像素级融合72.5.2 特征级融合82.5.3 决策级融合82.6 常用的图像融合方法及分类82.6.1图像融合的方法82.6.2 图像融合的分类9第三章 PCA的算法以及在图像融合中的应用113.1 PCA原理113.2 PCA的目标123.3 PCA的算法143.3.1 PCA基本原理143.3.2 主成分的求解步骤143.3.3 主成分的求解方法1534 PCA在红外图像融合中的应用以及具体算法153.4.1 多聚焦图像的成像原理163.4.2 红外图像基于PCA的融合方法173.5 PCA图像融合流程21第四章 实验结果和分析234.1 PCA运行程序234.2 实验结果284.3 对该程序的评价28第五章 总结和展望29致 谢31参考文献33第一章 绪论 3第一章 绪 论1.1 图像融合技术在国内外的发展图像融合技术最早被应用于遥感图像的分析和处理中。1979年，Daily等人首先把雷达图像和LandsatMSS图像的复合图像应用于地质解释，其处理过程可以看作是最简单的图像融合口。进入80年代后，美国三军总部对多光谱图像融合技术和战略监视系统一直给予高度重视；研制出了应用于大型战略系统、海洋监视系统和小型战术系统的第一代信息融合系统，并逐年增加对图像融合技术的投资力度。到八十年代中后期，图像融合技术开始引起人们的关注，陆续有人将图像融合技术应用于遥感多光谱图像以及一般图像(可见光图像、红外图像、多聚焦图像等)的分析和处理。1985年，Chiche等提出了将SPOT卫星图像中的全色(PAN)通道与多光谱(MS)模式结合来增强图像的敏锐效果61，从此将PAN与MS图像进行融合成为遥感领域提高多光谱图像空间分辨率的常用方法。九十年代后，对图像融合技术的研究呈不断上升趋势，研究应用领域不断扩展，各种军用民用图像融合系统也陆续问世，海湾战争中的“LANTIAN”吊舱就是简单的多传感器信息叠加显示的图像融合系统f_7；1994年，美国开发研制出了战场便携式实时多光谱成像融合和景物区分系统；英国也以H类通用组件为基础研制出具有图像融合处理功能的双波段热象仪；1998年，基于多传感器模型融合的目标识别和可视化系统问世；2000年，MIT林肯实验室开发了四传感器图像融合夜视系统：2001年6月GE公司推出了可以融合PET和CT图像的Discovery LS产品17J。近几年，图像融合技术已成为计算机视觉、自动目标识别、机器人、医学成像、信息安全、反恐安全检查以及军事等领域的热点研究问题。荷兰的CWl(Center formathematics and Computer Science)和TNO Human Factors Research Institute，美国的MIT Lincoln实验室和Lehigh University，加拿大的McGill大学等机构都在这一领域投入了大量的人力、物力进行相关研究。除了基础理论的研究，图像的应用也得到较大发展。图像融合目前已经成为众多学科的研究人员一个重要的讨论和研究的方向。由于众多科研工作者的努力该技术取得丰富的成果，即在医学、测量、地理信息系统、工业、智能机器人以及军事等领域发挥着重要的作用。国内对图像融合理论和技术的研究起步较晚。二十世纪九十年代这一领域在国内才开始逐渐形成高潮并取得了较快的发展，1999年10月，由我国和巴西联合研制的“资源一号”卫星发射升空，卫星上安装了我国自行研制的CCD相机和红外多光谱扫描仪。目前，上海交通大学，中科院上海技术物理研究所，武汉大学，中科院遥感卫星地面站，中科院遥感所，哈尔滨工业大学，湖南大学，西安电子科技大学，北京理工大学、西安交通大学信息融合重点实验室等单位都有相关人员从事这一领域的研究。目前，对图像融合技术的应用研究已经涉及军事和民用的多个领域，如目标跟踪与识别和战略监视、国防安全和反恐安全检查以及信息安全航空与夜视、地球观测、工农业监视、医学成像口等。但从技术研究的方法来看，各种理论的出现或发展不断推动着图像融合技术的发展，产生了各种像融合方法，例如，线性 PCA、HSI 变换等等; 多分辨率分析技术(金字塔式分解和小波分解技术)更是促使图像融合成为研究的热门话题，而且在实际的工程当中成功运用也大大的推动了该技术的发展。就多聚焦图像融合而言，大致分为两类。一类是在空间域的图像融合方法。这类方法一般是根据某种清晰度指标辨识出清晰区域，然后将图像中清晰的区域合并起来。但是，该方法由于加窗的原因会会导致块效应，对融合图像的质量会产生很大影响。另一类是基于多分辨率分析的融合方法，该方法要是在不同频率域上根据一定的准则选取系数得到融合图像。该类方法有小波变换方法等。目前，也有许多学者将人工智能运用到多聚焦图像的融合中，比如马义德等把 PCNN 应用到多聚焦图像融合当中，为多聚焦图像融合的并行算法提供了一个研究的新方向。1.2存在的问题近年来，红外图像融合技术从产生、发展到成功运用于实际工程都是非常迅速的。但是该技术并不是已经非常完美了，它还有诸多需要解决的问题，比如：1. 目前对红外图像融合的方法的研究是建立在一般融合技术基础上的，所开展的研究工作处于试探性或仿真性的阶段。图像融合虽然有如人工智能、小波分析等前沿技术应用，但是系统理论不够完备。2. 现有算法缺乏针对不同的图像信息而具备稳定性。比如基于块融合算法当中，固定大小的块对某多聚焦图像融合有效，但用于其它图像时效果就会受到较大影响。3. 根据其本身应用需求，红外图像融合对实时性要求较高，而现有算法少有并行执行，这就限制了融合的效率。1.3 本文的主要工作1. 阐述了课题的研究目的和意义，对国内外在该领域中的研究现状及存在的问题作了简要的介绍。2. 介绍了空间域的多聚焦图像融合方法，主要对清晰度的标准进行了分析探讨，并在此基础上对图像分块的融合算法进行了分析。3. 考虑到分块算法在清晰和模糊的边界区域存在的块效应这一问题，讨论了一种进行焦点区域检测的图像融合方法。4. 以传统的小波融合技术为基础，分析了图像分解后的低频部分的边缘以及能量特征，并探讨了该方面的改进方法。5. 为了避免对所有的多聚焦图像块进行小波变换，讨论了一种结合图像分块和小波变换的多聚焦图像融合算法。6. 对以上提到的算法分别进行了