红外可见图像融合算法研究与性能评价

红外与可见光图像融合及评价技术研究是一篇深入探讨的博士学位论文，由作者袁轶慧在常本康教授的指导下完成于南京理工大学，于2012年6月提交。论文的核心关注点在于如何优化和改进红外与可见光这两种不同波段图像的融合，以增强场景理解和目标探测性能，尤其是在军事、安全和搜救等高需求领域。 论文首先介绍了基本的图像融合算法，这些算法通常旨在结合两种图像的优势，如红外图像的热成像能力与可见光图像的色彩丰富性，以便在低光照或隐蔽环境下提高目标识别能力。然而，论文指出当前的一个挑战是对红外与可见光图像融合系统的性能评估缺乏量化标准，特别是对于目标探测概率的准确度。 为解决这个问题，作者提出了一个定量计算红外与可见光图像融合系统（灰度）目标探测概率的方法，该方法考虑了五个关键因素：目标与背景的光谱对比度，不同探测器的特性，环境光照条件，融合图像的质量，以及目标的大小和距离。通过实测系统，这种方法在两个实际探测任务中得到应用，并通过主观验证实验验证了其结果的可靠性。结果显示，这种方法能全面评估各种因素对探测概率的影响，从而提升图像融合系统的效能。 此外，针对现有彩色融合算法中目标不突出、对比度不足的问题，论文进行了进一步研究。作者设计了一种基于二次聚类的目标提取算法，通过这个步骤，可以有效地将目标从复杂背景中分离出来，然后再采用增强目标和视觉对比度的彩色融合策略，以优化图像的整体呈现效果。这种改进有助于提高彩色融合图像的可读性和目标识别精度。 这篇论文不仅涵盖了图像融合的基本原理和技术，还着重于解决实际应用中的问题，并通过严谨的实验验证了提出的理论和方法的有效性，对于提高红外与可见光图像融合技术的实用性和性能具有重要的学术价值。