基于拉普拉斯分解模型的红外与微光图像融合的实现(2)
4 基于OpenCV的对话框的融合算法实现 17
4.1 OpenCV概述 17
4.2 移植后的融合算法 17
4.3 本章小结 19
结 论 20
致 谢 21
参考文献 22
附录A 均值融合MATLAB代码核心 23
附录B 小波变换融合MATLAB代码核心 24
附录C 拉普拉斯金字塔融合MATLAB代码核心 25
附录D 拉普拉斯金字塔融合C语言代码核心 31
1 绪论
1.1 研究意义及背景
以成像机理及成像波段作为划分标准，目前常用的传感器成像技术主要包括微光和红外成像。微光成像的主要工作波段为可见光和近红外区域，通过反射来成像，具有对比度、分辨率高，利于人眼观察的优点，但其成像易受环境干扰，例如低照度及雨雾天气下会成像不清晰。红外成像则是指3—5微米及8—12微米的波段下的成像，传感器接收的是被观测物体本身的辐射，不容易受成像环境的影响，但是不能反映真实的场景[1]，对细节的描述能力差。由此可见，为了能适应各种环境状况，得到真实清晰的图像，需要通过融合的手段来整合两种方式得到的图像信息，处理多余信息，来提高清晰度和可靠性[2]。
图像的融合是指将两个或更多的传感器获取到的某个场景的图像或图像序列综合起来，以得到单一传感器无法得到的关于该场景的新的解释[3]。又因为在军事和安全监控领域中，红外和和微光传感器的使用最为普遍，所以该方面的研究能够为实际需求带来便利，并且对其它波段的图像的融合起借鉴意义。
本课题以已有红外与微光的图像融合系统为基础,了解红外与微光成像特点,选择较为合适的图像融合算法进行图像融合的相关研究。
1.2 国内外研究现状
1.3 本文的主要工作
红外与微光图像融合技术可以综合同一场景在不同波段下所显现出的特征，使人们更加清晰的认识和理解目标。因此本课题以红外与微光的图像融合系统为核心,了解红外与微光成像特点,选择较为合适的图像融合算法进行图像融合的相关研究。该篇论文主要包括以下几个方面的研究内容：
（1）融合算法理论研究
本文研究了几种典型的微光和红外图像融合算法，如均值融合、小波融合、金字塔融合。其中，小波融合时，将源图像分解到高频和低频两个频段上，对低频做均值处理，高频则取绝对值最大值。
（2）融合算法的程序仿真
在经过理论研究后，在各算法原理初步理解的基础上，通过MATLAB在计算机上进行软件仿真，通过比对各种融合算法的效果，验证拉普拉斯金字塔融合算法的优越性。
（3）拉普拉斯金字塔融合的算法移植
将拉普拉斯金字塔融合的算法程序，在Visual Studio平台上，利用Opencv的C语言进行编程，由于图像融合使用的硬件DSP基本通过C语言的程序来控制，因此，将程序改为C语言可以为后续的硬件操作打好基础。
2 红外和微光图像融合算法
本章节首先会介绍红外目标的特点；然后介绍常用的融合规则；最后分别简述小波融合和拉普拉斯金字塔融合的原理。
2.1 红外目标的特点
红外图像是经由红外成像系统[12]采集，处理系统处理后得到的数字或模拟图像，整个获取流程见图2.1。
图2.1 红外成像系统框图
红外图像反映的是观测区域的红外辐射的分布状况，其显示出的亮度由物体表面的温度和辐射发射率决定。
下一篇：低副瓣微带串馈阵列天线设计