红外与可见光图像融合技术：一种自适应增强与边缘检测方法

"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，涉及图像融合算法、图像增强、图像配准以及融合效果评估等多个方面。作者郭佳在刘卫国教授指导下，研究了如何利用信息互补性提升图像融合的效果，以增强目标探测和识别能力。" 在图像融合技术中，"像素灰度值选大图像融合方法"是一种简单但有效的策略。该方法如公式(4.7)所示，通过比较两个源图像A和B在同一位置nl, n2的像素灰度值，选取较大者作为融合图像F的对应像素值。这种方法能够保留源图像中的亮度信息，但可能忽视了一些细节和对比度信息。 红外与可见光图像融合是图像融合领域的热门研究方向，因为这两种图像分别捕捉到目标的不同特性。红外图像通常反映物体的温度分布，而可见光图像则显示物体的形状和颜色。通过融合这两类图像，可以同时获取目标的位置、形状和温度信息，从而增强系统的目标检测和识别能力。 论文中提到了针对红外图像的自适应特征增强算法，这种算法考虑了红外图像灰度直方图的双峰特性，能针对性地提升红外目标的视觉效果。同时，为了确保图像融合前的精确对齐，作者分析了多种图像配准算法，最终选择了基于图像互信息的配准方法，它能实现像素级别的精确配准。 在像素级图像融合算法的对比研究中，作者提出了一个改进的基于边缘检测的小波变换融合方法。这种方法利用小波变换的多尺度特性，能够在保持图像边缘细节的同时，优化图像的分辨率和视觉效果，提高人眼对场景目标的发现和识别概率。 最后，论文讨论了图像融合的评价方法，提出了一种结合主观和客观评价的综合评价体系。这种评价方法可以更全面、准确地评估图像融合的结果，确保融合效果的科学性和实用性。 关键词涵盖了红外图像、可见光图像、图像融合、图像增强、图像配准和融合效果评估等核心概念，突显了研究的全面性和深度。这篇论文对于理解和改进多传感器图像融合技术，特别是在红外与可见光图像融合领域，提供了有价值的理论基础和实践指导。