导读:本文包含了红外和可见光图像论文开题报告文献综述及选题提纲参考文献，主要关键词:图像融合,灰狼优化,红外图像,可见光图像
红外和可见光图像论文文献综述
刘轶伦,奚峥皓[1]（2019）在《基于改进灰狼优化的红外与可见光图像融合》一文中研究指出将图像融合运用于检测与跟踪领域需要融合图像显示清晰的目标,传统的优化类融合算法存在目标信息不完整的问题,对此本文提出一种基于改进灰狼优化(Gray Wolf Optimization,GWO)结合边缘特征的图像融合方法。将图像分解为细节层与粗糙层后,对细节图像使用优化权重进行融合,再融合细节层与粗糙层,最后执行对比度有限自适应直方图均衡增强融合图像。其中优化权重通过改进的灰狼优化获得,通过融合边缘信息获得权重取值范围,并且对灰狼优化引入交叉操作改进优化效果。实验对比图像全局与目标局部的标准差、信息熵、平均梯度、空间频率,本文方法的性能在目标局部熵、标准差上大大优于其他方法,在全局指标上也有很好的表现。(本文来源于《红外技术》期刊2019年11期）
马朝振,刘杰,聂仁灿[2]（2019）在《一种基于总变分与显着性检测的红外与可见光图像融合方法》一文中研究指出红外与可见光图像融合是多源信息融合中的一个重要研究内容,它在军事侦察等方面有着广泛的应用.本文基于总变分模型和显着性检测方法,提出了一种有效的融合方法.首先,通过对红外与可见光图像的特征分布考察,构建了一个信息融合的总变分模型.其次,基于亮度对比度的显着性检测,给出了总变分模型中保真项权值的估计方法.实验仿真表明,无论是视觉观察还是客观评价,本文的方法均比一些现有方法体现了更好的结果.(本文来源于《云南民族大学学报(自然科学版)》期刊2019年06期）
周哓玲,江泽涛[3]（2019）在《结合脉冲耦合神经网络与引导滤波的红外与可见光图像融合》一文中研究指出针对红外与可见光图像融合细节信息不够丰富、易出现伪影等问题,提出了一种结合脉冲耦合神经网络(PCNN)与引导滤波的红外与可见光图像融合方法。改进传统PCNN模型结构,在脉冲产生单元加入抑制项,避免像素重复点火对点火时间矩阵带来噪声;以原图为引导图像对点火时间矩阵T进行引导滤波,得到兼具显着信息与边缘细节信息的多区域加权划分矩阵;基于该多区域加权划分矩阵,对红外与可见光图像进行加权融合。同时,根据PCNN数学模型点火行为分析,提出了一种包含约束的PCNN模型参数设置方法,可降低PCNN模型参数设置的复杂度。实验结果表明该融合方法具有较高的融合效率,同时融合图像细节信息丰富,无明显伪影,交叉熵、空间频率指标相对于当前常用融合方法均较优。(本文来源于《光学学报》期刊2019年11期）
丁斋生,周冬明,聂仁灿,侯瑞超,刘栋[4]（2019）在《基于视觉显着性与残差网络的红外-可见光图像融合方法》一文中研究指出深度学习用于红外-可见光图像融合,若只提取深度特征而不进行特征处理,会导致在某些方面融合性能下降.针对这一问题,提出一种基于深度特征和零相位分量分析的融合框架.首先,将源图像分解成低频部分和高频部分;然后,利用显着性检测将低频子带部分融合.其次,使用残差网络提取高频子带的深度特征,通过零相位成分分析法和l_1正则化对深度特征进行归一化处理,得到初始权重值,而最终权重值是与初始权重值相关联的Softmax得到的,利用最终权重值融合高频子带.最后,采用加权平均法重构融合后的图像.实验结果表明,与现有的融合方法相比,该算法在客观评价和视觉质量方面都取得了较好的效果.(本文来源于《云南大学学报(自然科学版)》期刊2019年06期）
刘明君,董增寿[5]（2019）在《基于多特征的红外与可见光图像融合》一文中研究指出采用多尺度变换方法融合红外与可见光图像后,图像融合结果整体场景对比度低,细节与纹理不够清晰,提出基于多特征的红外与可见光图像融合方法。首先提取红外与可见光两种源图像中的边缘特征、相关信号强度比特征及平均梯度特征,通过决策模块依据信号强度比特征和边缘特征确定多分辨率分析系数,然后基于该系数融合模块依据平均梯度特征,采用多分辨率奇异值分解方法融合图像低频子带,利用压缩感知方法融合高频子带背景区域,通过对背景区域高频、低频子带进行CS逆变换获取最终融合图像,最后仿真测试结果表明,该方法的行红外与可见光图像融合的标准差、平均梯度以及边缘保持度等指标都优于对比方法,融合后图像对比度和空间域内活跃度较好、图像细节较明显、图像内容更丰富。(本文来源于《激光杂志》期刊2019年10期）
王宁,周铭,杜庆磊[6]（2019）在《一种红外可见光图像融合及其目标识别方法》一文中研究指出为结合红外图像和可见光图像对目标检测识别的优点,提出了一种红外可见光图像融合及其目标识别方法.该方法根据数学形态学算法获得局部感兴趣区域,减少图像特征点生成范围,提高效率;通过使用基于多模态图像尺度与部分灰度不变图像特征算法建立合适的特征点定位和描述;最终根据局部不变性匹配原则,实现图像误匹配消除,得到配准关系.实验结果表明,本文方法能实现融合图像多目标的检测识别,其精度好,有一定的应用前景.(本文来源于《空军预警学院学报》期刊2019年05期）
王文卿,高钰迪,刘涵,谢国,焦鹏飞[7]（2019）在《基于低秩稀疏表示的红外与可见光图像序列融合方法》一文中研究指出考虑到红外与可见光图像序列间的高度相关性,本文提出了基于低秩稀疏表示的红外与可见光图像序列融合方法。首先,利用低秩稀疏表示理论分别将红外图像序列与可见光图像序列进行背景与目标分离,获取低秩分量与稀疏分量。其次,利用Laplace金字塔融合方法将每帧红外与可见光图像的低秩分量进行融合。再次,采用最大值选择规则将每帧红外与可见光图像的稀疏分量进行融合。最后,融合低秩分量与融合稀疏分量相加获得最终融合图像。本文算法在Nato-camp与Bristol Eden Project数据集上进行了性能验证。主观视觉分析与客观评价指标表明本文算法比传统的融合算法具有更优越的性能。(本文来源于《西安理工大学学报》期刊2019年03期）
官大衍[8]（2019）在《可见光与长波红外图像融合的行人检测方法研究》一文中研究指出行人检测是构建自动驾驶系统的核心技术。在全天候复杂的交通环境中,集成可见光与长波红外视觉传感器的车载行人检测系统从理论上来说可具有良好的鲁棒性和准确性,是一种发展潜力巨大的行人检测系统。但实际应用中目前的可见光与长波红外图像行人检测方法在准确率、实时性、可扩展性等方面还很难满足自动驾驶的要求。针对此问题,论文结合国家自然科学基金面上项目“红外热成像信号特征提取和降噪理论及其方法”(51575486)和联合基金项目“机主人辅模式下智能汽车故障诊断、预测与容错控制研究”(U1664264)开展了“可见光与长波红外图像融合的行人检测方法”的研究,围绕图像特征分类、图像特征优化、实时行人检测、跨平台迁移学习等四个方向开展了相关研究工作,主要研究内容如下:针对在目前可见光与长波红外图像行人检测方法中采用的单一分类器在全天候驾驶中无法有效识别在白天和夜间光照环境下存在差异性的行人特征而导致出现大量漏检情况这一问题,研究了基于光照感知机制的多分类器融合方法,以消除光照环境对检测的影响,提升分类能力,降低漏检率,提高行人目标检测准确率。针对目前行人检测方法对于驾驶环境中采集的可见光与长波红外图像背景特征表达能力较弱而导致出现大量误检问题,研究了基于区域监督模块的可见光与长波红外图像背景特征优化学习方法,通过在可见光与长波红外图像行人检测器中增加区域监督模块,优化学习可见光与长波红外图像的背景特征,从而提升深度卷积神经网络对于背景特征的表达能力,降低误检率,提高行人目标检测准确率。针对目前常用的可见光与长波红外图像行人目标检测方法不能满足自动驾驶系统的实时性要求,研究了可见光与长波红外图像行人区域检测器,通过设计多层融合区域检测网络,优化学习可见光与长波红外图像中的小尺度行人特征,可采用低分辨率图像训练和测试深度卷积神经网络,以减少计算工作量,提高检测速度,不仅达到了自动驾驶系统的实时性要求,而且进一步提升了行人区域检测准确率。由于不同的可见光与长波红外图像采集平台在相机参数、安装位置与角度等方面存在差异性,行人检测器在跨平台数据上的检测准确率会大幅度下降。为了在不耗费标注成本的情况下显着提升可见光与长波红外图像行人检测器在跨平台数据集上的检测准确率,研究了可见光与长波红外图像行人区域检测器跨平台无监督迁移方法,将行人区域标注与深度卷积神经网络参数作为优化目标,利用可见光与长波红外图像的标注一致性与特征互补性作为监督信息,实现行人区域检测器无监督迁移学习,提升行人区域检测器在跨平台数据集上的检测准确率。采用可见光和长波红外相机搭建了车载图像采集系统,采集车辆行驶过程的图像数据,建立了跨平台行人数据集。通过在建立的跨平台行人数据集上对行人区域检测器进行无监督迁移学习,验证了所提方法的普适性。(本文来源于《浙江大学》期刊2019-09-01）
江泽涛,刘小艳,胡硕[9]（2019）在《基于CNN的红外与可见光融合图像的场景识别》一文中研究指出针对传统场景识别算法中存在的场景内容相似、场景识别率低的问题,提出一种基于卷积神经网络的红外和可见光融合图像的场景识别算法。采用像素加权融合算法对红外和可见光图像进行融合,以丰富图像的细节信息;利用改进的卷积神经网络模型提取融合图像的有效特征,将其作为目标的分类特征实现场景识别。在RGB-NIR数据集上进行场景识别实验,实验结果表明,所提算法相对其它方法在分类精度、目标识别率上均有一定的提高。(本文来源于《计算机工程与设计》期刊2019年08期）
谈玲,于欣[10]（2019）在《结合稀疏表示与FFST-PCNN的红外/可见光图像融合》一文中研究指出针对小波变换会造成细节信息的丢失,以及红外与可见光图像融合时信息会相互干扰,导致综合性能不佳的问题,提出了基于SR和FFST-PCNN的红外与可见光图像的融合算法。利用FFST把源图像分解成低频和高频系数;用K-SVD方法训练低频系数得到过完备字典D,并融合低频系数。采用高频系数来激励脉冲耦合神经网络,并根据点火的次数融合高频系数。通过FFST逆变换把融合的低频、高频系数重构为融合图像。实验结果表明,该算法的融合图像在主观的视觉效果以及客观质量评价指标上都取得了很好的效果。(本文来源于《实验室研究与探索》期刊2019年08期）
红外和可见光图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
红外与可见光图像融合是多源信息融合中的一个重要研究内容,它在军事侦察等方面有着广泛的应用.本文基于总变分模型和显着性检测方法,提出了一种有效的融合方法.首先,通过对红外与可见光图像的特征分布考察,构建了一个信息融合的总变分模型.其次,基于亮度对比度的显着性检测,给出了总变分模型中保真项权值的估计方法.实验仿真表明,无论是视觉观察还是客观评价,本文的方法均比一些现有方法体现了更好的结果.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
红外和可见光图像论文参考文献
[1].刘轶伦,奚峥皓.基于改进灰狼优化的红外与可见光图像融合[J].红外技术.2019
[2].马朝振,刘杰,聂仁灿.一种基于总变分与显着性检测的红外与可见光图像融合方法[J].云南民族大学学报(自然科学版).2019
[3].周哓玲,江泽涛.结合脉冲耦合神经网络与引导滤波的红外与可见光图像融合[J].光学学报.2019
[4].丁斋生,周冬明,聂仁灿,侯瑞超,刘栋.基于视觉显着性与残差网络的红外-可见光图像融合方法[J].云南大学学报(自然科学版).2019
[5].刘明君,董增寿.基于多特征的红外与可见光图像融合[J].激光杂志.2019
[6].王宁,周铭,杜庆磊.一种红外可见光图像融合及其目标识别方法[J].空军预警学院学报.2019
[7].王文卿,高钰迪,刘涵,谢国,焦鹏飞.基于低秩稀疏表示的红外与可见光图像序列融合方法[J].西安理工大学学报.2019
[8].官大衍.可见光与长波红外图像融合的行人检测方法研究[D].浙江大学.2019
[9].江泽涛,刘小艳,胡硕.基于CNN的红外与可见光融合图像的场景识别[J].计算机工程与设计.2019
[10].谈玲,于欣.结合稀疏表示与FFST-PCNN的红外/可见光图像融合[J].实验室研究与探索.2019