红外和可见光图像融合算法研究

优秀本科毕业设计（论文）答辩无忧，值得下载！本科毕业设计论文题 目 红外和可见光图像融合算法研究专业名称学生姓名指导教师毕业时间优秀本科毕业设计（论文）答辩无忧，值得下载！毕业 任务书一、题目红外和可见光图像融合算法研究二、指导思想和目的要求本题目来源于科研，主要研究红外和可见光图像的特点，学习适合于红外和可见光图像融合的算法，进而编程实现相关算法。希望通过该毕业设计，学生能达到：1利用已有的专业知识，培养学生解决实际工程问题的能力；2锻炼学生的科研工作能力和培养学生团队合作及攻关能力。三、主要技术指标1学习红外和可见光图像的特点；2研究红外和可见光图像的像素级融合算法；3编程实现红外和可见光图像的融合。四、进度和要求第 01 周-第 02 周： 参考翻译英文文献；第 03 周-第 04 周： 学习红外和可见光图像的特点；第 05 周-第 08 周： 研究红外和可见光图像融合的算法； 第 09 周-第 14 周： 编写红外和可见光图像融合程序；第 15 周-第 16 周： 撰写毕业设计论文，论文答辩。五、主要参考书及参考资料1. 敬忠良. 图像融合理论与应用. 高等教育出版社.2. 郭雷.图像融合. 电子工业出版社.3. 匡艳. 可见光与红外图像融合技术研究. 电子科技大学硕士学位论文.4. 童明强. 红外图像与可见光图像融合的研究. 天津理工大学硕士学位论文.学生 指导教师 系主任 设计论文优秀本科毕业设计（论文）答辩无忧，值得下载！摘 要红外技术作为人类认识自然、探索自然的一种新的现代工具，已经被各国普遍的应用于生物、医学、地学等科学领域以及军事侦察方面。红外图像直接反映了物体表面温度分布情况，但由于目标的红外辐射十分复杂，而且影响目标红外辐射的因素很多，红外热图像的清晰度远不如可视图像。可见光图像能够很好的描绘场景中各个物体的外形结构，具有较好的轮廓表现力，所以将红外和可见光图像融为一体有非常好的效果。而通过图像融合是实现这一效果的有效方法，融合后的图像可信度更高，模糊较少，可理解性更好，更适合人的视觉及对源图像的进一步分析、理解以及目标检测、识别或跟踪。图像融合充分利用了多个被融合图像中包含的冗余信息和互补信息，同时又不同于一般意义上的图像增强，它是计算机视觉、图像理解领域的一项新技术。本文针对红外和可见光图像融合算法进行了研究。通过使用计算机图像处理方法，对同一场景的红外图像和可见光图像进行融合处理，得到一副单一的融合图像，它成功包含了两副源图像的信息。本文主要研究了利用 MATLAB软件实现对红外和可见光图像的处理和融合，采用对应像素取大值、取小值、平均值，区域能量、区域对比度比较的融合方法，并且对融合结果图像使用信息熵、标准差、平均梯度、空间频率的评价指标进行了分析比较。结果表明，融合结果图像既保留了可见光图像的清晰的轮廓信息，同时也显示了目标物体的表面温度分布情况。关键字：图像融合，红外图像，可见光图像，MATLAB 软件优秀本科毕业设计（论文）答辩无忧，值得下载！ABSTRACTInfrared technology, a new modern tool to be used for human beings to research and explore nature, has been widely applied to many fields which include biology, medicine, geoscience and military reconnaissance in different countries.Infrared image reflects the temperature distribution of objects in the scene. However, the target infrared radiation is very complex, and there are many factors which affect the target infrared radiation, thus Infrared thermal image clarity is much less than the visual image.A visual image can describes the shape of all the objects in the scene and has good ability to represent objects outline.Therefor,the integration of Infrared image and visual image have very good results.In addition,to fuse them into a single image is very useful to achieve this goal .Fused images are more reliable,less vague and more understandable, which should be convenient for the following image analysis, recognizing, target detecting and tracing.It takes full advantage of redundant or complementary information from source pictures, and not be identical to common image enhancement. It is a new technology in the area of computer vision and image comprehension.This thesis is aimed at studying a fused method about Infrared image and visual image.Through computer image processing methods ,fusing the visual image and infrared image about a same scene into a single image to display both images1 information.This paper is focusing on using MATLAB software to achieve the integration of Infrared image and visual image.Moreover,using maximal or minimal pixel selection , pixel average, Regional energy, Regional Contrast ,The fusion image using information entropy, standard deviation,average gradient, spatial frequency 优秀本科毕业设计（论文）答辩无忧，值得下载！evaluation index analysis.The results show that it not only remains the shape information of the visual image, but also displays the temperature distribution of objects from the infrared image.KEYWORDS：image fusion,infrared image, visual image, MATLAB software优秀本科毕业设计（论文）答辩无忧，值得下载！目录第一章 绪 论 .11.1 课题的选题背景及意义 .11.2 图像融合技术的研究状况 .31.3 图像融合的概念 .51.3.1 图像融合系统的层次划分 .61.3.2 像素级融合方法综述 .101.4 本文的组织结构 .11第二章 图像的预处理和分类 .122.1 图像的数字化 .122.2 图像的分类 .152.3 红外图像的成像机理和特点 .16第三章 红外和可见光图像融合的方法 .203.1 图像融合规则 .203.2 图像融合方法 .213.2.1 像素灰度值选大图像融合方法 .213.2.2 像素灰度值选小图像融合方法 .223.2.3 对应像素取平均值融合方法 .223.2.4 对应像素取加权平均值融合方法 .233.2.5 基于区域能量比较的融合方法 .233.2.6 基于区域对比度比较的融合方法 .24第四章 图像融合方法的性能评价 .264.1 融合图像质量的主观评价 .264.2 融合图像质量的客观评价 .27第五章 仿真实验结果及分析 .32优秀本科毕业设计（论文）答辩无忧，值得下载！第六章 总结与展望 .446.1 总结 .446.2 展望 .45参考文献 .46致谢 .48毕业设计小结 .49附录 .50优秀本科毕业设计（论文）答辩无忧，值得下载！第 1 章 绪 论1.1 课题的选题背景及意义二十一世纪是一个快速发展的科技信息时代，科学技术的发展日新月异，单一的可见光模式逐渐发展成多种传感器模式，传感器的应用已经渗入到许多领域，尤其以成像传感器最为人们所熟悉，人们对图像质量也提出了更高的要求。在日常生活中，普遍采用硬件更新换代来实现品质的提高，但是，在实际的工程应用中，只是硬件的更换往往还不足以实现工程需求。各种传感器具有不同的成像机理、不同的波长范围、不同的工作环境与要求，完成不同的功能。由于单一的传感器获取的信息量有限，往往难以满足实际需求。利用多源数据可以提供对观测目标更加可靠的观察，因此，为了充分利用越来越复杂的多源数据，各种数据融合技术快速发展起来，目的是将多传感器获得的更多信息合并到一个新的数据集中。所以，可通过对得到的图像进行加工和处理来达到预定目标，这个过程即是图像处理技术。计算机软件技术和数学算法正是这项技术的基础，也是其重点。图像处理技术是一门内容十分丰富的学科，在其发展过程中，已经被分成了多个学科分支，收到诸多学者和研究人员的青睐和重视。图像传感器种类繁多，表 1-1 列出了常用图像传感器及其性能特点。表 1-1 常用图像传感器及其性能特点传感器类型 主要特点可见光 可获得丰富的对比度、颜色和形状信息微光夜视仪 夜视，探测距离一般在 800-1000 米红外热像仪昼夜两用，探测距离一般在几千米到十几千米；波段为 3-5um(中红外波段)，8-12um(长红外波段)优秀本科毕业设计（论文）答辩无忧，值得下载！激光成像雷达兼有测距、测速和成像三种功能，成像距离 3-5 千米，探测分辨能力强，能够探测出架空电缆之类细小物体传感器类型 主要特点毫米波雷达 天候特性优于可见光及红外，抗干扰能力强，分辨率较高SAR天线尺寸小，成像分辨率高，全天时，全天候，对土壤和水有一定的穿透力多光谱/超光谱成像仪多个光谱谱段同时、精确测量目标；可用于地形测绘、监听和分析等多模态医学成像仪计算机断层扫描(CT)可提供骨组织信息，核磁共振 (MR)可提供软组织及脉管信息红外技术 1-2是 20 世纪发展起来的新兴应用技术。近 50 年来，世界各国争相发展利用红外线探测目标的技术，并将之应用于军事领域。近年来一些国家将其大规模推向民用领域。在军事上 3，红外探测用于制导、火控跟踪、警戒、目标侦察、武器热瞄准器、舰船导航、空降导航等。在准军事领域，可广泛应用于安全警戒、刑侦、森林防火和消防、大气环境检测等方面。在民用领域，广泛应用于工业设备监控、安全监视、交通管理、救灾、遥感以及医学热诊断技术等。在日常生活中，我们所见到的图像绝大部分都是可见光图像(如电视机图像、数码照相机成像等),可见光图像比较客观和真实地展现了目标(物或者景)的空间轮廓信息，可以较好的从背景环境中分离开来，有较高的对比度，这一点在图像视觉信息中显得非常重要，也是可见光图像的优势之所在。可见光图像和红外图像都具有其固有的优势和缺陷，它们之间存在着显著的差异，而这些差异正好弥补了彼此的缺陷。可见光图像携带的准确丰富的物体空间形态信息，与人眼对目标场景的直接成像状态一致；红外图像是凭借红外探测器而获得的图像信息，而这些信息都是人眼无法直接获取的，但却表征了目标物体的表面温度分布情况，将原本不可见的特征转换为图像形式，成为人眼可以接受的视觉信息。然而，由于红外图像不能如实呈现目标的空间轮廓信息，这给观察者(或者机器视觉系统)带来一些困扰，观察者只能看到目标场景中的温度分布情况，却因为目标与环境对比不明显而无法准确无误的分辨目优秀本科毕业设计（论文）答辩无忧，值得下载！标物体本身。可见，可见光图像对目标的空间轮廓的完美显示正好弥补了红外图像的这一缺点，若将两者的互补信息融合在一起，那就可以同时获得目标的空间边缘信息以及表面温度分布信息。通过对可见光图像和红外图像采用图像融合处理，将两者的互补信息整合，其输出的融合图像集两者优势为一体，既展示了目标物体的空间细节情况，又将其表面温度分布细节转换为可视信息，这对观察者而言，图像更加全面的展示了目标物体所承载的信息量，使得目标物体的空间结构和局部温度分布都一目了然。1.2 图像融合技术的研究状况图像融合 4-6技术是在兴起于 70 年代末的信息融合技术的基础上发展起来的图像处理新技术。1979 年，Daliy 7等人首先把雷达图像和 Landsat-MSS 图像的复合图像应用于地质解释，其处理过程可以看作是最简单的图像融合。1981年，Lane 和 Todd8进行了 Landsat-RBV 和 MSS 图像数据的融合试验。到 80 年代中后期，图像融合技术开始引起人们的关注，陆续有人将图像融合技术应用于遥感多谱图像的分析和处理，如 1985 年，Cliche 和 Bonn9将 Landsat-TM 的多光谱遥感图像与 SPOT 卫星得到的高分辨率图像进行融合，90 年代以后，随着多颗遥感雷达卫星 30 JERS-1， ERS-1，Radarsat 等的发射升空，图像融合技术成为遥感图像处理和分析中的研究热点之一。对遥感图像进行融合处理的目的主要有锐化图像、改善几何矫正、色彩矫正、改善分类特性、弥补某种图像中丢失的数据、检测/观测大地环境的变化等等。其采取的融合方法主要有 IHS变换、平均、加权平均、差分及比率、PCA(主分量分析:Principal Component Analysis)，高通滤波 29等 。这些方法在进行融合处理时都不对参加融合的图像进行分解变换，融合处理只是在一个层次上进行的，因此均属于早期的图像融合方法。自从 2000 年美国波音公司完成多源信息融合的实验成功实现互补信息的整合，从此，信息融合技术开始得到发展，图像融合技术作为信息融合的一个重要分支，也相继在遥感、医学治疗等领域得到重视和应用。国内对图像融合技术研究虽然起步较晚，但已有不少研究机构和大学正在从事这一领域的研究和探讨，例如中科院遥感所、武汉测绘大学、中科院上海技术物理研究所、上海交通大学等单位。1990 年 10 月 4 日，由我国和巴西联合研制的“资源一号”卫星发射升空，卫星上安装了我国自行研制的 CCD 相机优秀本科毕业设计（论文）答辩无忧，值得下载！和红外多光谱扫描仪，这两种航天遥感器之间可进行图像融合，大大扩展了卫星的遥感应用范围。图 1-2 为战场图像的融合。图 1- 1 战场图像的融合在多传感器信息融合领域中，图像融合是应用最为广泛，发表文献最多的一个方向：信息融合文章中，信号层的信息融合文章占 53；在中国知网和 EI Engineering Village（美国工程索引）数据库中对图像融合的研究趋势和发表文献分别作了统计调查。在中国知网 11的“学术趋势搜索中用“图像融合”作为关键词，检索到如图 1-2 所示的 1996 年到 2008 年期间的关注趋势。在 EI Engineering Village 数据库中，以 image fusion 作为关键词搜索到1981 年到 2010 年 EI 收录的论文如图 1-3 所示。1981 年到 1985 年，这方面的文献只有 134 篇，1996 年到 2000 年增加到 1941 篇，2001 到 2005 年增加到4209 篇，2006 年到 2010 年就有 8993 篇。从中可以看出，国际学术界对图像融合技术的重视程度与日俱增。优秀本科毕业设计（论文）答辩无忧，值得下载！01234506789102342012032405260728092102013文 献 数 量 统 计年数量图 1- 2 2000 年到 2013 年间图像融合的学术发展趋势01230456078901198-51986-019-5196-20201-5206-1图 1- 3 图像融合的发展变化趋势1.3 图像融合的概念图像融合（Image Fusion）是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。图像融合示意图如图 1-4。待融合图像已配准好且像素位宽一致，综合和提取两个或多个多优秀本科毕业设计（论文）答辩无忧，值得下载！源图像信图 1- 4 图像融合示意图息。两幅（多幅）已配准好且像素位宽一致的待融合源图像，如果配准不好且像素位宽不一致，其融合效果不好。图像融合的主要目的是通过对多幅图像间的冗余数据的处理来提高图像的可靠性，通过对多幅图像间互补信息的处理来提高图像的清晰度。图像融合的主要目的包括：(1) 增加图像中有用信息的含量，改善图像的清晰度，增强在单一传感器图像中无法看见或看清的某些特性；(2) 改善图像的空间分辨率，增加光谱信息的含量，为改善检测、分类、理解、识别性能获取补充的图像信息；(3) 通过不同时刻的图像序列融合来检测场景或目标的变化情况；(4) 通过融合多个二维图像产生具有立体视觉的三维图像，可用于三维重建或立体投影、测量等；(5) 利用来自其他传感器的图像来替代或弥补某一传感器图像中的丢失或故障信息。1.3.1 图像融合系统的层次划分图像融合是采用某种算法对两幅或多幅不同的图像进行综合与处理，最终形成一幅新的图像。图像融合系统的算法按层次结构划分可分为信号级、像素图像传感器 A冗余信息图像传感器 B 互补信息优秀本科毕业设计（论文）答辩无忧，值得下载！级、特征级和决策级 12。信号级融合：是指合成一组传感器信号，目的是提供与原始信号形式相同但品质更高的信号。像素级图像融合:结构如图 1-5 所示，是指直接对图像中像素点进行信息综合处理的过程像素级图像融合的日的是生成一幅包含更多信息、更清晰的图像像素级图像融合属于较低层次的融合，目前，大部分研究集中在该层次上。像素层图像融合一般要求原始图像在空间上精确配准，如果图像具有小同分辨率，在融合前需作映射处理。特征级图像融合：结构如图 1-6 所示，是指从各个传感器图像中提取特征信息，并将其进行综合分析和处理的过程。提取的特征信息应是像素信息的充分表示量或充分统计量，典型的特征信息有边缘、形状、轮廓、角、纹理、相似亮度图 1-5 像素级图像融合区域、相似景深区域等在进行融合处理时，所关心的主要特征信息的具体形式和内容与多传感器图像融合的应用目的/场合密切相关。通过特征级图像融合可以在原始图像中挖掘相关特征信息、增加特征信息的可信度、排除虚假特征、建立新的复合特征等。特征级图像融合是中间层次上的融合，为决策级融合做准备。特征级融合对传感器对准要求不如信号级和像素级要求严格，因此图像传感器可分布于不同平台上。特征级融合的优点在于可观的信息压缩，便于实时处理。由于特征直接与决策分析有关，因而融合结果能最大限度地给出决策图像 1图像 2图像 n预处理图像配准像素级别融合特征提取分类决策结果优秀本科毕业设计（论文）答辩无忧，值得下载！分析所需要的特征信息。图 1-6 特征级图像融合决策级图像融合:结构如图 1-7 所示，是指对每个图像的特征信息进行分类、识别等处理，形成相应的结果后，进行进一步的融合过程最终的决策结果是全局最优决策。决策级融合是一种更高层次的信息融合，其结果将为各种控制或决策提供依据。为此，决策级融合必须结合具体的应用及需求特点，有选择地利用特征级融合所抽取或测量的有关目标的各类特征信息，才能实现决策级融合的目的，其结果将直接影响最后的决策水平。由于输入为各种特征信息，而结果为决策描述，因此决策级融合数据量最小，抗干扰能力强。决策级融合的主要优点可概括为:通信及传输要求低，这是由其数据量少决定的；容错性高对于一个或若十个传感器的数据干扰，可以通过适当的融合力一法予以消除；数据要求低，传感器可以是同质或异质，对传感器的依赖性和要求降低；分析能力强，能全力一位有效反映目标及环境的信息，满足小同应用的需要。图像配准图像 1图像 2图像 n预处理 特征提取特征融合结果优秀本科毕业设计（论文）答辩无忧，值得下载！图 1-7 决策级图像融合表 1-2 给出了不同多传感器图像融合层次及其性能特点的比较情况，表 1-3 给出了不同层次图像融合算法的特点。从表中及前面所介绍的内容可以看出，像素级图像融合是最重要、最根本的多传感器图像融合方法，其获取的信息量最多、检测性能最好、难度也最大，也是本文主要讨论的内容。表 1- 2 图像融合层次及其性能特点的比较特 征融合层次像素级融合 特征级融合 决策级融合信息量 最大 中等 最小信息损失 最小 中等 最大容错性 最差 中等 最好让干扰性 最差 中等 最好对传感器的依赖性 最大 中等 最小融合方法难易 最难 中等 最易分类性能 最好 中等 最差系统开放性 最差 中等 最好图像配准图像 1图像 2图像 n预处理决策融合结果特征分类特征提取点优秀本科毕业设计（论文）答辩无忧，值得下载！预处理 最小 中等 最大表 1- 3 不同层次图像融合算法的特点特点信号层图像融合像素层图像融合 特征层图像融合决策层图像融合传感器信息类型信号或者多维信号多幅图像从信号和图像中提取出的特征用于决策的符号和系统模型信息的表示级别 最低级介于最低级和中级之间中级 高级传感器信息模型含有不相关随机噪声的随机变量含有多位属性的图像或者像素上的随机过程可变的几何图形、方向、位置以及特征的时域范围测量值含有不确定因素的符号图像数据的空间对准精度级别高 高 中等 低图像数据的时域对准精度级别高 中等 中等 低特点信号层图像融合像素层图像融合 特征层图像融合决策层图像融合数据融合方法 信号估计图像估计或像素属性组合几何上和时域上相互对应，特征属性组合逻辑推理和统计推理数据融合带来的性能改善方差期望值缩小使图像处理任务的效果更好压缩处理量、增强特征测量值精度，增加附加特征提高处理的可靠度或提高结果正确概率1.3.2 像素级融合方法综述本文主要对像素级图像融合方法 13-14进行了研究。像素级融合是直接在图像原始数据层上进行的融合，这是最低层次的融合。像素级融合是对多源图像优秀本科毕业设计（论文）答辩无忧，值得下载！的关于同一场景、目标的同一像素级灰度进行的综合处理，生成的新图像能够包含源图像中所有像素点的信息。实施像素级融合之前，必须对参加融合的图像进行预处理和图像配准，目的是为了提高融合的可靠性和精度。每个传感器提高的图像来自不同的时间和空间，或者是在同一时间和空间下具有不同光谱特性的图像。他们提供的信息是多方面的，通过基因像素及融合，增加了图像中的信息，在提供细节信息方面由于特征级和决策级的融合。像素级融合使结果更丰富可靠，有利于进一步分析、处理、理解，能提供最优决策和性能辨识。根据近年来国内外在图像融合领域的最新研究成果，图像融合方法大致可分为四类 15-16：基于彩色空间的方法，如 IHS 空间、基于视觉神经视觉生理学的彩色图像融合方法等；基于数学/统计学的方法，如比值运算、加法和乘法、PCA（主分量分析） 、HPF 高通滤波、贝叶斯估计、期望最大值方法、非负矩阵分解方法等；基于多分辨率分析的方法，如金字塔方法、小波变换法等；智能图像融合方法，如基于神经网络、模糊理论的融合等。对融合方法的要求一般为能够最大限度的保留源图像中的重要信息，在融合过程中尽可能少地引入虚假信息，同时方法必须具有可靠性、稳健性，最大限度的抑制噪声或未经确配准带来的干扰。从常用方法的实际应用效果来看，加权融合降低了图像对比度；基于彩色空间的方法容易扭曲原始的光谱特性，产生光谱退化现象；PCA 要求被替换和替换的数据之间有较强的相关性，通常情况下，这种条件并不成立；HPF 在对高分辨率波段影像滤波时，滤掉了大部分纹理信息；智能图像融合方法虽然是图像处理智能化发展的必然趋势，能够较好地解决图像融合过程中各个不同层次上的不完整性、不准确性非结构化及建模困难等问题，但是实现较为复杂。多分辨率分析方法，在提高图像分辨率同时，对源图像光谱信息的保留具有相当好的性能，包括使用相关性、标准偏差等指标评估都能够得到较好的效果，因此是目前图像融合处理中研究热点之一，各种新方法不断涌现。总的来说，没有一种图像融合方法能够适用于所有的图像类型的融合，各有各的优势和不足，所以对图像融合结果的评价和应用目的密切相关。优秀本科毕业设计（论文）答辩无忧，值得下载！1.4 本文的组织结构本文主旨为学习探究可见光和红外图像的融合技术，一共分为五章讲解图像融合技术的数学理论基础、MATLAB 程序设计实现以及对融合结果的总结和对图像融合技术发展前景的展望：（1）介绍课题的研究背景及意义，简单的探讨了相关的几种技术的意义和发展情况，以及图像融合系统的层次划分；（2）第二章介绍了图像融合前的预处理，利用 MATLAB 对图像进行数字化转换，可见光图像和红外图像成像机理，以及研究计算所用的灰度图像；（3）第三章重点研究了像素级图像融合的原理和方法，利用对应像素、区域能量和区域对比度的比较进行图像融合，可以直观的看到不同方法融合后的图像的外观和特点；（4）第四章对融合后的图像进行评价，通过熵、平均梯度、标准差、空间频率、互信息量（也称相关熵） 、交叉熵（也称相对熵） 、边缘保持度（QAB/F）进行详细的评估。（5）第五章通过 MATLAB 软件对上述融合方法进行编程实现，并且对融合结果图像进行评价、分析。（6）第六章为本文的最后一章，是对本课题的总结以及图像融合技术的发展前景的展望。优秀本科毕业设计（论文）答辩无忧，值得下载！第二章 图像的预处理和分类对图像的预处理常包括图像归一化（灰度均衡、重采样、灰度插值） 、图像滤波、增强图像的色彩和图像的边缘等。图像融合常在不同尺寸、不同分辨率和不同灰度/彩色动态范围的图像间进行。图像归一化是要对这些参数进行归一化，这里除进行几何校正外，还可能要对各图像分别进行重采样以获得相同分辨率的图像；图像滤波是要对高分辨率图像进行高通滤波，获得高分辨率图像的高频纹理信息，以将其与低分辨率图像进行融合时保持高分辨率图像的高频纹理信息；图像色彩增强是对低分辨率图像进行色彩增强，增加其色彩反差，在不改变低分辨率图像原有光谱信息的基础上使得图像色彩比较明亮，从而把低分辨率图像的光谱信息充分反映到融合图像上；图像边缘增强是对高分辨率图像进行的，既要尽可能较低噪声，有药使得图像边界清晰、层次分明，以把高分辨率图像的空间纹理信息有效地融合到低分辨率图像中去。图像配准是要将各副参与融合的图像进行空间配准。图像融合对配准精度有较高的要求，如果空间误差超过一个像素，则融合结果会出现重影，严重影响融合图像的质量。图像配准可分为相对配准和绝对配准。想对配准指从同一类的多个图像中选择某一（波段）图像作为参考图像，然后将其他（波段）图像与参考图像进行配准。绝对配准则指以同一空间坐标系为参考系，将需融合的多幅图像都与此参考系进行配准。经过预处理和配准，就可对所得到的图像进行信息方面的融合。2.1 图像的数字化数字图像实质上就是将图像用像素方式保存并显示，假设一幅图像大小为像素，那么该图像在计算机中被表示为 个像素值，其内容就可以用nm nm大小为 矩阵 G 来存储，正因为此又被称为数位图像 22。优秀本科毕业设计（论文）答辩无忧，值得下载！(2-1)mnmnggggG.212211其中，i 表示行 j 表示列， 代表了坐标点(i,j)处的像素值大小。ij在图像处理中，计算机将数字图像利用二维数组进行存储和读、写操作，并将二维数组存放在内存中，直到处理过程结束，该部分内存才得以被释放。例如图 2-1 所示的数据就代表着图像 。事实上，一般图像都比上面的 QQ 表情图像大的多，数据量大，读取操作比较复杂。图像处理过程实际上就是对二维数组中的元素进行一系列的数学运算，其中可能涉及到各种不同的数学算法，例如平移、几何平均、正余弦变换等，从简单到复杂，种类繁多。图像在计算机中的存储方式一般分为四种模式:全彩色、色盘、灰度以及黑白模式。其中，全彩色模式更接近事物的真实颜色，同时也就意味着其包含数据量最大，这在图像处理过程中不太常用；色盘模式利用 8、4 或者 1 位二进制表示，其取像素值实际上是一个查询过程;灰度模式是前两者的一个综合。优秀本科毕业设计（论文）答辩无忧，值得下载！图 2- 1 QQ 图像数据的显示图像处理的常用方法 16有以下 5 种：（1）图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理） 。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。（2）图像的增强图像的增强用于调整图像的对比度，突出图像中的重要细节，改善视觉质量。通常采用灰度直方图修改技术进行图像增强。图像的灰度直方图是表示一幅图像灰度分布情况的统计特性图表，与对比度紧密相连。如果获得一幅图像的直方图效果不理想，可以通过直方图均衡化处理技术作适当修改，即把一幅已知灰度概率分布图像中的像素灰度作某种映射变换，使它变成具有均匀灰度概率分布的新图像，使图像清晰。（3）图像的平滑 图像的平滑处理即图像的去噪声处理，主要是为了去除实际成像过程中，因成像设备和环境所造成的图像失真，提取有用信息。优秀本科毕业设计（论文）答辩无忧，值得下载！实际获得的图像在形成、传输、接收和处理过程中，不可避免地存在外部干扰和内部干扰，如光电转换过程中敏感元件灵敏度的不均匀性、数字化过程的量化噪声、传输过程中的误差以及人为因素等，均会使图像变质。因此，去除噪声恢复原始图像是图像处理中的一个重要内容。（4）边缘锐化 图像边缘锐化处理主要是加强图像中的轮廓边缘和细节，形成完整的物体边界，达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。锐化的作用是要使灰度反差增强，因为边缘和轮廓都位于灰度突变的地方。所以锐化算法的实现是基于微分作用。它是早期视觉理论和算法中的基本问题。（5）图像的分割 图像分割是将图像分成若干部分，每一部分对应于某一物体表面，在进行分割时，每一部分的灰度或纹理符合某一种均匀测度度量。其本质是将像素进行分类。分类依据是像素的灰度值、颜色、频谱特性、空间特性或纹理特性等。图像分割是图像处理技术的基本方法之一，应用于诸如染色体分类、景物理解系统、机器视觉等方面。2.2 图像的分类按照不同的需要对图像进行各种意义上的分类。例如，按照图像的显示效果，可以把图像分为灰度图像、二值图像、彩色图像等；按照图像的颜色表示方式可以把图像分为 RGB 图像、HSV 图像、索引图像等；按照图像压缩存储方法可以把图像分为 BMP 图像、JPEG 图像、GIF 图像、TIFF 图像等。本文主要是对灰度图像进行融合。2.2.1 灰度图像灰度图像对应着一个数据矩阵（二维数据） ，数据元素的值表示图像在该位置上的亮度值。一般常数值 0 表示黑色，255 表示白色，用 0255 之间的数表示灰（亮）度。在 MATLAB 软件中，可以使用下面的命令显示灰度图像。clear all;A=imread(a.png); 优秀本科毕业设计（论文）答辩无忧，值得下载！A1=rgb2gray(A); %将彩色图像转换为灰度图像figure(1),imshow(A)figure(2),imshow(A1)图 2- 2 彩色图像 图 2- 3 灰度图像表 2-1 给出了 imshow 函数各种不同的调用格式及其意义表 2- 1 图像显示函数 imshow 调用格式imshow 函数命令调用格式 命令意义imshow (I,n) 显示灰度图像imshow（I，low high) 显示灰度图像，low high为图像数据的值域imshow(BW) 显示二值图像imshow(X,map) 显示索引图像imshow(RGP) 显示真彩图像imshow filename 显示图形文件中的图像 2.3 红外图像的成像机理和特点红外图像的成像机理 2：由于人眼不能相应 0.4-0.7um 波段以外的光，因此在夜间无自然可见光照射情况下，人眼看不到周围景物。长期以来，人们不断地寻求某种装置，能够将景物的自然红外辐射转换成可见光图像，从而使人的眼睛在夜间看东西就像白天一样。红外成像系统就是能实现上述转换的一种装置。它将自然景物各部分的温度差异及发射率的差异转换成电信号，再由此种优秀本科毕业设计（论文）答辩无忧，值得下载！特殊的电信号转换成可见光图像。这种成像转换技术，通常称为热成像技术，其装置成为热成像仪（也是热红外传感器） 。它是一种二维热图像成像装置，其系统利用目标与环境之间由于温度辐射与发射率的差异所产生的热对比度不同，将红外辐射能量密度分布探测并显示出来。红外图像的成像机理和可见光不同，它通过将红外探测器接收到的场景（包括其中的动态目标、静态目标以及背景）的红外辐射映射成灰度值，转换为红外图像，场景中某一部分的辐射强度越大，反映在图像中的这一部分的灰度值越高，也就越亮。除此之外，大气的状态（包括大气辐射、环境辐射以及辐射在传输过程中的衰减）也会对成像产生很大的影响。不同波长的红外辐射在大气中的透射率有很大的差异，大气中对几个波段具有较高的透射率。目前在讨论红外成像时，一般讨论 3-5um 和 8-14um 两个红外窗口。红外成像系统的成像工作过程如图 2-4 所示。图 2- 4 红外成像系统的成像工作过程红外图像的成像特点：红外图像表征景物的红外辐射分布，主要决定于景物的发射和温度分布，其灰度波动来源于大背景辐射中的景物各个部分较弱的辐射变化。研究表明，红外图像有以下特点：红外辐射聚焦系统红外图像红外成像系统红外辐射（目标/背景/各种干扰辐射)大气传输光学系统 红外探测器视频放大器显示器电信号优秀本科毕业设计（论文）答辩无忧，值得下载！（1）太阳辐射因素对红外成像具有一定的影响白天红外效果图像优于夜间的红外图像。例如图 2-5 所示，图 2-5（a）为某地白天的红外图像，图 2-5（b）为该地夜间的红外图像。这主要是因为白天地面景物对太阳发出的红外辐射具有发射作用，由于不同质地的物体对太阳辐射的吸收和反射不同，导致物体之间发射率和温度分布的差异性较大，所以景物细节较清晰；而夜间景物主要依靠自身的温度进行热辐射，同时夜间物体之间的温度由于热平衡会趋于一致，导致物体之间发射率和温度分布的差异性较小，从而使图像细节模糊。（2）红外图像的整体灰度分布低且较集中这一特点主要是红外探测器可探测的温度范围较广而实际景物的温度相对该探测范围较低，实际景物的温度分布差异较小，因此景物红外图像整体灰度分布低且较集中。(a) 白天红外图像 (b) 夜间红外图像 图 2- 5 某地白天与夜间的红外图像（3）红外图像的信噪比较低这一特点主要是由于红外图像的噪声来源很多。例如，自然界中分子的热运动，使红外成像系统自身也会引入多种噪声。因此，导致红外图像的信噪比比较低。（4）红外图像的对比度较低优秀本科毕业设计（论文）答辩无忧，值得下载！由于景物和周围环境存在在热交换、空气热辐射和吸收，从而导致了自然状态下景物之间的温度差别不大，红外图像中景物与背景的对比度较低。（5）红外传感器得到的相邻两帧图像之间的差别不大这一特点主要是由于红外图像摄取帧速在 25-30fp/s 之间，景物表面的辐射分布基本上保持不变，这个性质为逐帧分析景物特征和对景物定位提供了保证。红外图像与可见光图像的区