基于RPCA模型的紅外與可見(jiàn)光圖像融合技術(shù)研究.pdf

1、學(xué)校代碼：10406分類(lèi)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(zhuān)業(yè)學(xué)位研究生）基于基于RPCA模型的紅外與可見(jiàn)光圖像融合技術(shù)研究模型的紅外與可見(jiàn)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(qǐng)學(xué)位級(jí)別：碩士學(xué)科、專(zhuān)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(jiàn)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(jué)研究領(lǐng)域的熱點(diǎn)問(wèn)題。可見(jiàn)光傳感器成像符合人眼觀(guān)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(duì)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(jiàn)光圖像融合，可彌補(bǔ)兩者的不足，發(fā)揮各自的優(yōu)勢(shì)，使得融合圖像同時(shí)具有紅外與可見(jiàn)光圖像的優(yōu)點(diǎn)。近年來(lái)，紅外與可見(jiàn)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(wèn)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(duì)上述問(wèn)題，本文提出基于RPCA分解模型的紅外與可見(jiàn)光圖像融合方法，主要工作如下：1.針對(duì)自然場(chǎng)景下的紅外與可見(jiàn)光圖像精確配準(zhǔn)問(wèn)題，本文首先對(duì)紅外與可將光圖像融合的過(guò)程、層次、常用方法以及融合規(guī)則進(jìn)行概述；然后對(duì)圖像預(yù)處理過(guò)程進(jìn)行介紹；最后對(duì)圖像預(yù)處理過(guò)程中的圖像配準(zhǔn)技術(shù)進(jìn)行闡述，并通過(guò)實(shí)驗(yàn)與分析驗(yàn)證本文所選用紅外與可見(jiàn)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(jiàn)光圖像融合的預(yù)處理提供可靠基礎(chǔ)。2.針對(duì)紅外與可見(jiàn)光圖像的特征描述問(wèn)題，本文在魯棒主成分分析的基礎(chǔ)上，通過(guò)對(duì)紅外與可見(jiàn)光圖像進(jìn)行RPCA分解，并對(duì)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(jiàn)光圖像的RPCA分解模型。3.針對(duì)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(wèn)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(jiàn)光圖像融合方法。首先對(duì)紅外與可見(jiàn)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(jiàn)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(duì)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(duì)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(duì)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(duì)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(duì)標(biāo)準(zhǔn)圖庫(kù)與真實(shí)