紅外和可見(jiàn)光圖像的融合分類及紅外目標(biāo)檢測(cè).pdf

1、近年來(lái)圖像識(shí)別技術(shù)被廣泛應(yīng)用在場(chǎng)景識(shí)別、目標(biāo)檢測(cè)、醫(yī)學(xué)診斷、艦船檢測(cè)等領(lǐng)域。隨著高清技術(shù)的發(fā)展和高分辨率攝像機(jī)的更新，基于可見(jiàn)光的多特征融合分類機(jī)制成為研究熱點(diǎn)，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(jiàn)光傳感器成像方式的局限而造成的特征對(duì)環(huán)境變化敏感的問(wèn)題。針對(duì)這種僅靠單一傳感器獲取數(shù)據(jù)造成識(shí)別結(jié)果不準(zhǔn)確的現(xiàn)狀，本文主要對(duì)同一圖像在紅外傳感器和可見(jiàn)光傳感器下的圖像特征融合進(jìn)行研究。同時(shí)，本文對(duì)那些紅外傳感器下獲取的

2、弱小目標(biāo)的檢測(cè)也進(jìn)行了研究。主要內(nèi)容如下:
　　第一，從模式識(shí)別及融合分類的研究背景、應(yīng)用領(lǐng)域及其國(guó)內(nèi)外發(fā)展現(xiàn)狀等方面的分析，說(shuō)明融合分類算法研究的意義。分別分析了紅外圖像和可見(jiàn)光圖像的成像特性及存在的優(yōu)缺點(diǎn)，為二者圖像的特征融合提供可行性條件。同時(shí)分析紅外和可見(jiàn)光圖像融合分類中存在的難點(diǎn)，并找到解決問(wèn)題的方法。
　　第二，針對(duì)場(chǎng)景識(shí)別和目標(biāo)（艦船）檢測(cè)中，可見(jiàn)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(shí)無(wú)法完全表示事物

3、的信息，而造成錯(cuò)分、誤分的缺陷，提出基于紅外圖像和可見(jiàn)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(duì)紅外和可見(jiàn)光圖像進(jìn)行特征提取。然后將提取的紅外圖像特征和可見(jiàn)光圖像特征通過(guò)核函數(shù)的形式映射到高維空間，并通過(guò)復(fù)合核的方式進(jìn)行特征層面的融合。該方法結(jié)合紅外和可見(jiàn)光各

4、自的優(yōu)勢(shì)，彌補(bǔ)了僅用可見(jiàn)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(jī)的方法來(lái)決策表決。經(jīng)過(guò)試驗(yàn)對(duì)比，該方法分類效果優(yōu)于僅用可見(jiàn)光的分類結(jié)果。
　　第三，針對(duì)紅外圖像對(duì)比度低、小目標(biāo)常常被淹沒(méi)在復(fù)雜的背景中，而導(dǎo)致在檢測(cè)過(guò)程中目標(biāo)與背景混淆或者無(wú)法檢測(cè)到目標(biāo)的問(wèn)題，提出了一種結(jié)合二維圖像經(jīng)驗(yàn)?zāi)Ｊ椒纸?Image Empirical Mode Decomposition，IEMD)和魯棒主成分分析（Robust