红外与可见光图像融合技术：一种改进的边缘检测小波变换方法

"这篇硕士学位论文主要探讨了红外与可见光图像融合技术，包括图像的梯度塔形分解、自适应红外目标特征增强算法、基于互信息的图像配准以及一种改进的小波变换图像融合方法。此外，论文还提出了结合主观与客观评价的综合评价体系来评估图像融合的效果。" 在图像融合技术中，基于梯度塔形分解的方法被用来提取图像的多尺度和方向信息，尤其是在处理边缘和细节时。图像的梯度塔形分解首先需要构建图像的高斯塔形分解，这是一种将图像分解成不同分辨率层次的方法，有助于保留图像的重要特征。在高斯塔形分解的基础上，进一步分析图像的梯度信息，可以揭示图像的边缘和方向特性，这对于图像融合尤其重要，因为它能帮助在融合过程中保持并增强关键的视觉元素。 红外与可见光图像融合是多传感器图像融合的热点，因为这两种图像类型提供了互补的信息。红外图像通常揭示温度分布，而可见光图像则反映物体的形状和色彩。论文中提到了针对红外图像的一种自适应红外目标特征增强算法，这种算法能根据红外图像的局部双峰灰度直方图特性进行调整，从而提升红外图像中目标的可见性。 图像配准是融合过程的关键步骤，确保不同源图像在空间上对齐。论文中选择了基于图像互信息的配准方法，这种方法以其鲁棒性和精确性而受到青睐，可以实现像素级别的对齐精度。 在像素级图像融合算法的比较研究中，作者提出了一种改进的基于边缘检测的小波变换融合方法。这种方法结合小波变换的多分辨率特性与边缘检测，旨在突出图像的边缘细节，从而提高融合图像的分辨率和视觉质量，有利于识别场景中的目标。 最后，论文讨论了图像融合效果的评价问题，提出了一种结合主观和客观评价的综合评价方法，以更全面地评估融合结果的优劣。这种评价体系考虑了人类视觉感知的同时，也包括了定量的客观指标，从而提高了评价的准确性。 该论文深入研究了红外与可见光图像融合的关键技术和评估方法，为多传感器图像融合领域提供了有价值的理论和实践贡献。