紅外和可見光圖像的融合分類及紅外目標(biāo)檢測.pdf

1、近年來圖像識別技術(shù)被廣泛應(yīng)用在場景識別、目標(biāo)檢測、醫(yī)學(xué)診斷、艦船檢測等領(lǐng)域。隨著高清技術(shù)的發(fā)展和高分辨率攝像機的更新，基于可見光的多特征融合分類機制成為研究熱點，這種方式雖然可以在一定程度上改善分類效果，但是并不能改變因可見光傳感器成像方式的局限而造成的特征對環(huán)境變化敏感的問題。針對這種僅靠單一傳感器獲取數(shù)據(jù)造成識別結(jié)果不準(zhǔn)確的現(xiàn)狀，本文主要對同一圖像在紅外傳感器和可見光傳感器下的圖像特征融合進行研究。同時，本文對那些紅外傳感器下獲取的

2、弱小目標(biāo)的檢測也進行了研究。主要內(nèi)容如下:
　　第一，從模式識別及融合分類的研究背景、應(yīng)用領(lǐng)域及其國內(nèi)外發(fā)展現(xiàn)狀等方面的分析，說明融合分類算法研究的意義。分別分析了紅外圖像和可見光圖像的成像特性及存在的優(yōu)缺點，為二者圖像的特征融合提供可行性條件。同時分析紅外和可見光圖像融合分類中存在的難點，并找到解決問題的方法。
　　第二，針對場景識別和目標(biāo)（艦船）檢測中，可見光圖像容易受到環(huán)境、光照等外界因素影響導(dǎo)致它有時無法完全表示事物

3、的信息，而造成錯分、誤分的缺陷，提出基于紅外圖像和可見光圖像融合分類策略。該策略首先用密集型尺度不變特征轉(zhuǎn)換(dense Scale-invariant feature transform，DSIFT)和碼書較少模型(codebookless model，CLM)的方法分別對紅外和可見光圖像進行特征提取。然后將提取的紅外圖像特征和可見光圖像特征通過核函數(shù)的形式映射到高維空間，并通過復(fù)合核的方式進行特征層面的融合。該方法結(jié)合紅外和可見光各

4、自的優(yōu)勢，彌補了僅用可見光分類的不足，融合后的特征更加全面、完善。最后該策略采取支持向量機的方法來決策表決。經(jīng)過試驗對比，該方法分類效果優(yōu)于僅用可見光的分類結(jié)果。
　　第三，針對紅外圖像對比度低、小目標(biāo)常常被淹沒在復(fù)雜的背景中，而導(dǎo)致在檢測過程中目標(biāo)與背景混淆或者無法檢測到目標(biāo)的問題，提出了一種結(jié)合二維圖像經(jīng)驗?zāi)Ｊ椒纸?Image Empirical Mode Decomposition，IEMD)和魯棒主成分分析（Robust