微光与红外图像融合算法研究与系统设计

微光与红外图像融合算法研究与系统设计

论文摘要

图像融合技术是多传感器信息融合的一个非常重要的分支,近年来越来越受到重视。其中,红外与微光图像融合是基于不同传感器感应不同波段的辐射的原理,利用不同图像的信息互补性,可有效扩展夜视系统目标探测的空间和时间覆盖范围,提高系统的空间分辨率。本文的研究工作主要是围绕融合算法及其验证系统设计展开的。第一章说明了图像融合的定义,现状和发展前景,以及进行图像融合的必要性。第二章分析了本课题中红外,微光图像的来源和特点,针对像素级图像融合预处理中的两个关键技术——图像去噪和图像配准,研究了比较了几种不同类型滤波器,并介绍了一种新的基于边缘特征的图像配准方法。第三章介绍了几种常见的图像分析算法,并分析了各个算法的优劣,采用VISUALC+仿真软件对各种算法进行仿真。第四章介绍了基于TMS320DM642融合算法验证系统的设计,调试以及在CCS下开发编程过程,并给出了该融合系统的融合效果。

论文目录

  • 摘要
  • Abstract
  • 目录
  • 1 绪论
  • 1.1 图像融合概念的提出及其意义
  • 1.2 夜视图像的融合
  • 1.3 图像融合的层次划分
  • 1.4 国内外图像融合技术的发展状况
  • 1.5 本论文的主要工作
  • 2 图像融合的理论基础
  • 2.1 微光与红外图像成像原理及影像特征
  • 2.1.1 微光影像特征
  • 2.1.2 红外影像特征
  • 2.1.3 红外与微光图像的比较
  • 2.2 图像的去噪处理
  • 2.2.1 两种常见的图像滤波去噪方法
  • 2.2.2 一种图像混合去噪法
  • 2.3 微光与红外图像配准技术
  • 2.3.1 图像配准定义
  • 2.3.2 基于边缘特征的图像配准方法
  • 2.3.3 倍率调整技术
  • 2.4 本章小结
  • 3 微光与红外图像融合的算法研究
  • 3.1 加权平均法
  • 3.2 主成分分析法
  • 3.3 小波变换法
  • 3.4 改进后的小波变换算法
  • 3.5 Visual C++图像融合仿真平台
  • 3.6 图像融合算法的效果及评价
  • 3.6.1 融合效果的主观评价
  • 3.6.2 融合效果的客观评价
  • 3.7 本章小结
  • 4 图像融合系统硬件平台的研发
  • 4.1 图像融合系统总体设计
  • 4.2 视频输入系统
  • 4.3 基于TMS320DM642的图像处理模块
  • 4.3.1 TMS320DM642性能简介
  • 4.3.2 视频端口
  • 4.3.3 内存扩展
  • 4.4 视频采集与输出模块
  • 4.4.1 视频解码
  • 4.4.2 视频合成模块
  • 4.5 软件算法的软件设计
  • 4.5.1 软件开发环境
  • 4.5.2 视频捕获/显示程序设计
  • 4.5.3 IIC总线访问程序设计
  • 4.5.4 算法设计
  • 4.5.5 融合的实验结果
  • 4.6 本章小结
  • 结束语
  • 致谢
  • 参考文献
  • 相关论文文献

    • [1].基于区域生长的自适应红外图像火焰识别[J]. 南方农机 2020(05)
    • [2].基于红外图像识别的智能远程控制消防装置[J]. 今日消防 2020(01)
    • [3].基于雾线暗原色先验的红外图像去雾算法[J]. 红外技术 2020(06)
    • [4].基于生成对抗网络的红外图像数据增强[J]. 计算机应用 2020(07)
    • [5].基于迁移学习的红外图像分类[J]. 天津职业技术师范大学学报 2020(03)
    • [6].复杂海面的舰船弱目标红外图像提取方法[J]. 舰船科学技术 2020(18)
    • [7].一种多分辨多尺度的红外图像增强算法[J]. 激光杂志 2019(08)
    • [8].一种基于区域显著性识别的红外图像增强方法[J]. 江苏大学学报(自然科学版) 2019(06)
    • [9].基于密度相似因子的电力红外图像分割方法[J]. 红外技术 2017(12)
    • [10].基于融合技术的单幅红外图像增强方法[J]. 电子器件 2018(04)
    • [11].对受灾区域红外图像优化识别仿真[J]. 计算机仿真 2017(03)
    • [12].海上远距离目标探测中的红外图像增强算法[J]. 大连海事大学学报 2015(04)
    • [13].红外图像采集及特征提取技术的研究[J]. 激光杂志 2016(08)
    • [14].远程微小红外图像小差异特征分类算法仿真[J]. 计算机仿真 2015(07)
    • [15].红外图像影响因素及增强方法[J]. 农村科学实验 2017(03)
    • [16].基于大数据的舰船红外图像目标实时跟踪方法[J]. 舰船科学技术 2020(02)
    • [17].基于红外图像处理技术的钢构件损伤识别[J]. 红外技术 2020(03)
    • [18].一种红外图像增强算法在无人机巡检输电线路上的应用[J]. 电子设计工程 2020(16)
    • [19].基于引导滤波的自适应红外图像增强改进算法[J]. 光谱学与光谱分析 2020(11)
    • [20].红外图像特征的三维提取技术[J]. 激光杂志 2019(02)
    • [21].红外图像中快速运动目标的检测与跟踪方法[J]. 红外技术 2019(03)
    • [22].基于多感知的红外图像增强算法设计[J]. 信息与电脑(理论版) 2019(13)
    • [23].基于透射图融合的红外图像传感器信号增强方法[J]. 传感技术学报 2019(07)
    • [24].基于红外图像的船舶特征识别方法[J]. 舰船科学技术 2018(12)
    • [25].基于最小平均距离免疫算法的模糊红外图像分割(英文)[J]. 光谱学与光谱分析 2018(11)
    • [26].基于人眼视觉的红外图像增强算法研究[J]. 激光与红外 2017(01)
    • [27].针对边缘检测和数学形态学的红外图像增强算法[J]. 佳木斯职业学院学报 2017(01)
    • [28].一种可见光和红外图像加权融合最佳权值因子的确定方法[J]. 电子世界 2017(13)
    • [29].红外图像识别在舰船火灾中的应用分析[J]. 舰船科学技术 2017(20)
    • [30].一种基于实测数据温差扰动的红外图像实时生成方法[J]. 红外技术 2017(10)

    标签:;  ;  ;  ;  ;  

    微光与红外图像融合算法研究与系统设计
    下载Doc文档

    猜你喜欢