基于RPCA模型的紅外與可見光圖像融合技術(shù)研究.pdf

1、學(xué)校代碼：10406分類號(hào)：TP391.4學(xué)號(hào)：140408521003南昌航空大學(xué)碩士學(xué)位論文南昌航空大學(xué)碩士學(xué)位論文（專業(yè)學(xué)位研究生）基于基于RPCA模型的紅外與可見光圖像融合技術(shù)研究模型的紅外與可見光圖像融合技術(shù)研究碩士研究生：段興旺導(dǎo)師：陳震教授申請學(xué)位級別：碩士學(xué)科、專業(yè)：控制工程所在單位：信息工程學(xué)院答辯日期：2017年6月授予學(xué)位單位：南昌航空大學(xué)I摘要隨著傳感器成像質(zhì)量的不斷提高，如何利用紅外與可見光圖像融合技術(shù)增強(qiáng)圖像

2、質(zhì)量與清晰度逐漸成為圖像處理與機(jī)器視覺研究領(lǐng)域的熱點(diǎn)問題?？梢姽鈧鞲衅鞒上穹先搜塾^察，含有豐富的細(xì)節(jié)信息，但是容易受到天氣影響，不能全天候工作。紅外傳感器成像穩(wěn)定，能夠很好地顯示隱藏的目標(biāo)，受照明條件和惡劣天氣的影響較小，但是所得紅外圖像對比度較低，目標(biāo)細(xì)節(jié)的反映能力比較差。因此將紅外與可見光圖像融合，可彌補(bǔ)兩者的不足，發(fā)揮各自的優(yōu)勢，使得融合圖像同時(shí)具有紅外與可見光圖像的優(yōu)點(diǎn)。近年來，紅外與可見光圖像融合技術(shù)已經(jīng)取得較大進(jìn)展，但融合

3、圖像失真、紋理細(xì)節(jié)信息缺失、目標(biāo)顯著性等問題仍是圖像融合研究領(lǐng)域尚未完全解決的重點(diǎn)與難點(diǎn)。針對上述問題，本文提出基于RPCA分解模型的紅外與可見光圖像融合方法，主要工作如下：1.針對自然場景下的紅外與可見光圖像精確配準(zhǔn)問題，本文首先對紅外與可將光圖像融合的過程、層次、常用方法以及融合規(guī)則進(jìn)行概述；然后對圖像預(yù)處理過程進(jìn)行介紹；最后對圖像預(yù)處理過程中的圖像配準(zhǔn)技術(shù)進(jìn)行闡述，并通過實(shí)驗(yàn)與分析驗(yàn)證本文所選用紅外與可見光圖像配準(zhǔn)方法的精度與穩(wěn)定

4、性。為后續(xù)紅外與可見光圖像融合的預(yù)處理提供可靠基礎(chǔ)。2.針對紅外與可見光圖像的特征描述問題，本文在魯棒主成分分析的基礎(chǔ)上，通過對紅外與可見光圖像進(jìn)行RPCA分解，并對分解后所得稀疏矩陣圖與低秩矩陣圖所包含的源圖像特征信息進(jìn)行分析，提出紅外與可見光圖像的RPCA分解模型。3.針對傳統(tǒng)基于非下采樣Contourlet變換的圖像融合方法易出現(xiàn)融合圖像失真、紋理細(xì)節(jié)信息缺失的問題，本文在RPCA分解模型的基礎(chǔ)上，提出基于RPCA分解模型的NSC

5、T域紅外與可見光圖像融合方法。首先對紅外與可見光圖像進(jìn)行RPCA分解，得到相應(yīng)的稀疏矩陣；然后利用NSCT變換將紅外與可見光圖像進(jìn)行分解，得到源圖像的低頻子帶和高頻方向子帶；對于低頻子帶，采用基于稀疏矩陣的融合規(guī)則進(jìn)行融合；對于高頻方向子帶，最高層方向子帶采用基于稀疏矩陣的絕對值取大法進(jìn)行融合，其它層則采用基于PCNN的方法進(jìn)行融合；最后對融合后的低頻子帶與高頻方向子帶進(jìn)行NSCT逆變換，從而獲得最終的融合圖像。4.分別對標(biāo)準(zhǔn)圖庫與真實(shí)