论文部分内容阅读
图像融合是指把针对同一场景的不同传感器获得的互补或冗余信息进行处理得到一幅综合图像的过程。图像融合可以提高源图像的清晰度和可识别性，使得对场景的描述更加丰富。图像融合广泛应用于军事、医学、地质、气象预报、人工智能等领域。可见光图像纹理信息丰富、分辨率高，但是受到光照条件的制约；红外图像抗干扰能力强特别是在夜间和恶劣气候下，但是分辨率低、边缘较模糊。可见光图像和红外图像的特征具有较强的互补性，因此研究可见光图像与红外图像融合具有重要的现实意义，也是图像融合领域的热点。本文的主要工作如下：(1)图像配准是图像融合的前提，针对像素的配准，并且配准过程中没有对特征的标记，提出了基于Harris角点检测的图像配准算法。首先对两幅测试图像采用Harris角点检测算法得到特征点，通过对应的特征点坐标进行求解得到两幅测试图像的变换关系，对待实验图像进行重采样和插值，去噪后得到的配准的实验图像与参考图像进行比较分析。实验结果表明，实验图像有良好的配准效果。(2)分析了目前图像融合算法存在的问题，提出顾及源图像质量的可见光和红外图像融合的算法。以图像融合理论方法为基础，引入图像质量评价方法，构建了顾及源图像质量的图像融合基本框架。(3)以区域加权信息熵作为可见光和红外图像评价方法，并以图像质量评价结果作为小波变换的系数权值来进行图像融合，分别以图像的平均灰度、标准差、信息熵、空间频率作为评价指标对融合后的图像进行质量评价，提出了基于区域加权信息熵的可见光与红外图像融合算法。最后选取多组可见光和红外图像进行图像融合实验。实验表明：顾及源图像质量的可见光和红外图像融合算法是完全可行和有效的。