导读:本文包含了多波段图像论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:波段,图像,舰船,轮廓,算法,自适应,卷积。
多波段图像论文文献综述
卢嫄[1]（2019）在《曲线进化的多波段舰船图像目标精准识别系统》一文中研究指出传统的多波段舰船图像目标精准识别系统存在着识别性能差的缺陷,为此提出基于曲线进化的多波段舰船图像目标精准识别系统设计研究。多波段舰船图像目标精准识别系统硬件设计主要包括传感器、采集卡、微处理器、适配器与通信单元,软件设计主要包括多波段舰船图像预处理模块、多波段舰船图像目标检测模块与多波段舰船图像目标识别模块,通过硬件与软件的设计实现了多波段舰船图像目标精准识别系统的运行。通过实验得到,设计的多波段舰船图像目标精准识别系统识别率比传统系统高出20.6%,说明设计的多波段舰船图像目标精准识别系统具备更高的识别性能。(本文来源于《舰船科学技术》期刊2019年10期）
仇荣超,娄树理,李廷军,宫剑[2]（2019）在《多波段红外图像的海面舰船目标检测》一文中研究指出现有的基于单个红外宽波段的海面舰船目标探测系统在面对复杂海天背景、岛岸背景、恶劣天气、亮带干扰或诱饵弹干扰等情况时,系统的探测率、虚警率、探测距离等性能指标均会受到严重的影响;为此,开展了基于多波段红外图像的海面舰船目标检测方法的研究。通过中波红外多波段数据采集系统实际采集107组五个中波红外波段的图像;波段1—5分别为3.7～4.8, 3.7～4.1, 4.4～4.8, 3.7～3.9和4.65～4.75μm;对多波段图像进行手动标注构建样本数据集,其中,正样本舰船目标298个,负样本非舰船目标353个。对于多波段红外图像,首先进行PCA降维并采用选择性搜索算法生成初始目标候选区域;针对候选区域中存在大量明显的非舰船目标区域的问题,利用积分图像计算候选区域的局部对比度,依据红外舰船目标的几何和灰度特征从初始目标候选区域中筛选出舰船目标可能性大的区域作为舰船目标候选区域。然后对舰船目标候选区域进行拓展以融入局部上下文信息,对于候选区域对应的5波段红外图像,分别提取每个波段图像的稠密SIFT特征,并将128维SIFT特征向量降为64维,融入SIFT特征的空间和波段位置分布信息得到新的特征向量,基于高斯混合模型对候选区域的特征向量集合进行编码融合得到舰船目标候选区域的费舍尔向量表示,最后利用线性SVM分类器识别出舰船目标。对多波段图像进行舰船目标候选区域生成实验,所提出的基于红外舰船目标的几何和灰度特征的约束方法可以有效地克服选择性搜索算法的不足,从初始目标候选区域中快速定位出舰船目标候选区域,对25组多波段图像进行实验,舰船目标候选区域生成的整体耗时为0.353 s,定位舰船目标区域耗时0.005 s。对100个正负样本进行目标识别测试,所提出的目标识别算法融合了目标的多波段图像特征信息,通过引入费舍尔向量挖掘了多波段图像梯度统计特征的深层次信息,算法的识别率达到了0.97,显着高于单波段红外图像的目标识别率。对25组多波段图像进行舰船目标检测实验,所提出的舰船目标检测方法能够在海天背景、岛岸背景以及亮带干扰等不同场景下完成海面舰船目标的检测工作,舰船目标定位准确,舰船目标召回率达到了0.95,每组多波段图像的平均检测耗时为1.33 s。研究结果表明,充分考虑海面舰船目标在红外图像中与局部海洋背景的辐射差异以及有效地融合舰船目标在多个红外波段图像中的辐射特征,可以增强舰船目标的可分性,提高舰船目标的识别率以及检测率,为基于多波段红外图像的海面舰船目标检测提供了新的技术支持。(本文来源于《光谱学与光谱分析》期刊2019年03期）
陈瑞瑞,李爽,吴颖[3]（2019）在《多波段红外图像的抗噪背景补偿系统设计》一文中研究指出针对当前多波段红外图像抗噪能力差,对后续红外图像处理带来不利影响的难题,提出形态学滤波的多波段红外图像抗噪背景补偿方法。首先设计多波段红外图像抗噪背景补偿系统的硬件,包含图像预处理和数字化、抗噪背景增强、帧存储器、时序逻辑控制等模块,然后设计了多波段红外图像抗噪背景补偿的流程,利用形态学滤波对多波段红外图像进行处理,实现多波段红外图像抗噪背景补偿,最后实验结果表明,本文系统能够准确对图像噪声进行准确识别,背景补偿后图像质量好,而且景补偿的速度快。(本文来源于《激光杂志》期刊2019年01期）
黄福升,蔺素珍[4]（2019）在《基于拉普拉斯金字塔变换方法的多波段图像融合规则比较》一文中研究指出为了选取基于拉普拉斯金字塔变换融合方法效果较好的融合规则来提高多波段图像融合质量,现结合12种融合规则对可见光、红外短波和红外长波图像进行融合,通过主观人眼视觉观察与客观评价中的信息量、统计特性和人眼视觉特性的评价指标对融合效果进行分析比较,找到融合效果较好的融合规则。实验结果表明,低频使用等值加权平均时,融合效果较差,对比度低。高频使用绝对值取大、低频使用区域匹配时,融合结果清晰,评价指标最高,便于人眼观察。高频使用区域能量取大、低频使用区域匹配度取大时,融合结果可以充分显示边缘和纹理信息。高频使用一致性检测和区域方差时融合效果一般。(本文来源于《红外技术》期刊2019年01期）
赵竞超,蔺素珍,李大威,王丽芳,杨晓莉[5]（2018）在《多波段图像融合的直觉模糊化处理方法比较》一文中研究指出为了在多波段图像融合中选用合适的直觉模糊化方法来处理不确定性问题,对5种常用的直觉模糊集方法在多波段图像融合中的应用进行了比较。首先将多波段图像进行直觉模糊化处理,对隶属度图像进行去模糊化得到直觉模糊图像;然后,将直觉模糊图像进行非下采样轮廓波变换(Nonsubsampled contourlet transform, NSCT),对低频图像进行直觉模糊化处理,所得隶属度作为权重进行加权融合,高频使用取大规则进行融合;最后通过逆变换得到融合图像。对融合结果采用主观人眼视觉观察和客观评价指标体系进行分析比较,得到较好的直觉模糊集方法的优势性能。实验结果表明,与Sugeno、Yogita、Yager及Chaira四种直觉模糊化方法相比,Bala直觉模糊化方法可以有效提高融合结果的亮度和对比度,而且融合结果边缘清晰,纹理特征明显,具有更好的视觉融合效果和客观质量评价。(本文来源于《红外技术》期刊2018年09期）
韩泽,蔺素珍,黄福升,赵竞超,刘震[6]（2018）在《基于卷积神经网络的多波段融合图像彩色化方法》一文中研究指出为解决多波段融合图像多在灰度空间不利于人眼观察的问题,提出了基于深度卷积神经网络(Deep Convolution Neural Network,DCNN)的多波段融合图像彩色化方法.首先将利用颜色迁移和伪彩色融合制作的部分彩色融合结果添加到网络训练库中;其次将训练图像转换到YUV颜色空间;再其次构建卷积神经网络,在其输入端输入Y通道图像,以UV通道图像为目标训练网络,使其能根据输入自动生成UV通道;最后将灰度融合结果作为Y通道输入到训练好的网络,将输出的UV通道与输入再转换到RGB空间,即可得到彩色化的融合结果.实验结果表明DCNN能对灰度融合结果自动彩色化,方法简单易用,彩色更便于人眼观察.(本文来源于《测试技术学报》期刊2018年03期）
韩泽[7]（2018）在《基于深度学习的多波段图像自适应融合方法研究》一文中研究指出多波段图像融合是智能探测系统的关键技术之一。由于当前图像融合方法多以两幅图像为融合对象,并且需依赖先验知识选择图像分解滤波器、分解层数和融合规则等,导致融合效果存在很大不确定性,无法适应当前智能探测系统对自适应融合的需求,所以本文利用深度神经网络自动学习合适的模型对多波段图像自适应融合:(1)提出了多波段图像融合分解重构滤波器自适应方法。针对多尺度变换(Multi-scale Transform,MST)融合方法需依先验知识选择合适分解滤波器的问题,在训练基本单元的基础上堆迭基本单元构建深度堆迭卷积神经网络(Deep Stacked Convolutional Neural Network,DSCNN),利用相同数据集端对端调整DSCNN。多波段图像经过DSCNN可自适应分解为高频图像和低频图像,实现了多波段图像融合过程中分解重构滤波器自适应。(2)提出了多波段图像融合规则自适应方法。针对传统融合方法需依赖先验知识选择合适融合规则的问题,通过建立合适的数据集,训练深度门卷积神经网络(Deep Gate Convolutional Neural Network,DGCNN)实现多波段图像融合过程中融合规则自适应。将多波段图像经DSCNN的分解结果输入到DGCNN,二者共同实现了多波段图像自适应融合。(3)提出了多波段融合图像彩色化自适应方法。针对灰度融合结果不利于人眼观察的问题,通过建立合适的数据集,训练深度卷积神经网络(Deep Convolutional Neural Network,DCNN)使其根据输入的灰度图像自适应生成颜色信息,实现多波段融合图像自适应彩色化。(本文来源于《中北大学》期刊2018-06-02）
李朝阳[8]（2018）在《红外多波段图像融合算法研究》一文中研究指出随着高新技术的发展,精确制导武器已经成为现代战争的主战武器,其成像制导技术中的图像融合技术亦是当今精确制导技术研究的重点之一。对同一场景多源图像信息的融合可以综合不同传感器的互补信息,使得融合后的图像内容更加丰富,细节更加清晰,可以使作战武器适应复杂多变的战场环境(如目标隐身等)。除此之外,多传感器图像融合技术在民用领域也有广泛的应用,比如智能机器人、遥感、医学和制造业等领域。从20世纪70年代后期至今,图像融合技术虽已发展多年,但是纯红外波段的中波图像与长波图像的融合技术仍然有很大的发展空间。所以根据红外多波段图像的特性,针对性的研究其图像融合算法,是很有意义,也是很必要的。非下采样轮廓波变换(Nonsubsampled Contourlet transform,NSCT)是近年来继小波变换之后又一很热门的图像分析方法,不仅具有小波变换的多分辨率分析特性,同时具有小波变换所不具有的高度的方向性和各向异性特性,是一种更优的图像分析方法。特别是当图像中线条、轮廓较多时,NSCT的优势更加明显。本文围绕非下采样轮廓波变换,研究了从红外多波段图像采集、红外多波段图像配准到最终的图像融合等一整套图像融合流程。首先分析了多波段红外图像的目标特性,然后针对红外图像的特性,设计了更适用于红外图像的去噪、配准等图像融合预处理方法,提出了一种基于光斑质心标定和透射变换的图像配准算法,通过实验验证了进行预处理后再融合的效果要优于直接融合的效果。重点分析了非下采样轮廓波变换理论、非负矩阵分解理论、稀疏表示理论,针对红外多波段图像的目标特性,设计出一种?倍系数个数块方法用于高频系数融合。把这种方法应用到NSCT的框架中,结合非负矩阵分解方法,提出了更适用于红外图像的基于非下采样轮廓波变换和非负矩阵分解的图像融合算法,然后把非下采样轮廓波变换和稀疏表示相结合,提出了更适用于红外图像的基于非下采样轮廓波变换和稀疏表示的图像融合算法,最后与普通非下采样轮廓波变换以及基于小波变换的等传统图像融合算法进行对比,证明了所提出算法的在红外多波段图像融合中的有效性。(本文来源于《中国科学院大学(中国科学院光电技术研究所)》期刊2018-06-01）
黄福升[9]（2018）在《多波段图像多尺度变换融合方法比较》一文中研究指出为了更充分利用多样化的数据来源,需要对那些具有不同特性的传感器进行有效结合,以获得信息更加完整清晰的图像,从而更适合人眼视觉及计算机分类、识别等处理。针对当前图像融合研究多是针对两幅图像,无法满足多波段探测发展需要的问题。本文对常用的多尺度变换方法和融合规则泛化至多波段图像融合进行了比较,主要工作如下:(1)多波段图像融合多尺度变换方法比较。为了选取融合效果较好的多尺度变换方法来提高多波段图像融合质量,在分析不同多尺度变换方法特点的基础上,对金字塔变换、小波变换及基于多尺度几何分析理论的系列方法,在同一融合规则下进行了仿真实验,并从主观和客观角度对融合结果进行分析和评价,优选出有利于融合结果提升的多尺度变换方法。(2)多波段图像多尺度变换融合规则比较。为了选取较好的融合规则来提高多波段图像融合质量,对工作(1)所优选出的多尺度变换方法采用高频绝对值取大、一致性检验、区域能量取大、区域方差取大,低频加权平均、高斯模糊逻辑、区域匹配度等融合规则融合多波段图像,经主客观评价选取融合结果较好的融合规则。(3)多波段图像融合系统设计与实现。运用matlab开发设计了整个融合系统,实现了不同多尺度变换方法不同高低频融合规则对多波段图像的融合。(本文来源于《中北大学》期刊2018-05-21）
刘震[10]（2018）在《面向认知的多波段图像融合方法研究》一文中研究指出目前,图像融合大多数采用单一的多尺度变换方法对两幅图像进行融合,两幅图像对表达场景信息不够完善,融合图像像质的好坏在很大程度上依赖融合算法的性能和融合规则等,这使得融合图像的像质很不稳定,对图像像质评价也没有统一的标准,不能够满足面向认知的需求,所以本文采用非下采样轮廓波变换(NSCT)、非下采样剪切波变换(NSST)以及限制对比度自适应增强(CLAHE)算法相结合对多波段图像进行融合:⑴提出图像像质在主观视觉特性方面与图像客观评价指标之间的关系。针对图像像质评价不统一的问题,在主观方面,分析人眼视觉成像机制以及视觉信息的传递机制,总结人眼的一些视觉特性,通过主观调研和客观评价指标实验仿真,对比总结主客观评价的相关性,实现图像像质评价的统一。⑵提出NSCT-NSST-CLAHE融合方法。针对单一多尺度变换方法对低频分解不够稀疏导致融合图像像质不清晰的问题,通过NSCT和NSST对图像进行两次多尺度分解,使得分解低频更加稀疏,将逆变换得到的融合图像采用CLAHE算法增强改善图像像质,最后结合前面得出的图像像质评价的统一标准,验证所提融合方法对图像像质有明显改善,融合图像符合人眼的视觉特性,从而实现多波段图像面向认知。⑶设计开发多波段图像融合的系统。为了能够更直观的看到本文算法的融合过程以及融合结果,将本文融合方法通过Gui在Matlab中集成软件,完成简单的人机交互,通过软件各个模块的点击,可以方便简洁的完成图像融合以及图像像质评价。(本文来源于《中北大学》期刊2018-04-11）
多波段图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
现有的基于单个红外宽波段的海面舰船目标探测系统在面对复杂海天背景、岛岸背景、恶劣天气、亮带干扰或诱饵弹干扰等情况时,系统的探测率、虚警率、探测距离等性能指标均会受到严重的影响;为此,开展了基于多波段红外图像的海面舰船目标检测方法的研究。通过中波红外多波段数据采集系统实际采集107组五个中波红外波段的图像;波段1—5分别为3.7～4.8, 3.7～4.1, 4.4～4.8, 3.7～3.9和4.65～4.75μm;对多波段图像进行手动标注构建样本数据集,其中,正样本舰船目标298个,负样本非舰船目标353个。对于多波段红外图像,首先进行PCA降维并采用选择性搜索算法生成初始目标候选区域;针对候选区域中存在大量明显的非舰船目标区域的问题,利用积分图像计算候选区域的局部对比度,依据红外舰船目标的几何和灰度特征从初始目标候选区域中筛选出舰船目标可能性大的区域作为舰船目标候选区域。然后对舰船目标候选区域进行拓展以融入局部上下文信息,对于候选区域对应的5波段红外图像,分别提取每个波段图像的稠密SIFT特征,并将128维SIFT特征向量降为64维,融入SIFT特征的空间和波段位置分布信息得到新的特征向量,基于高斯混合模型对候选区域的特征向量集合进行编码融合得到舰船目标候选区域的费舍尔向量表示,最后利用线性SVM分类器识别出舰船目标。对多波段图像进行舰船目标候选区域生成实验,所提出的基于红外舰船目标的几何和灰度特征的约束方法可以有效地克服选择性搜索算法的不足,从初始目标候选区域中快速定位出舰船目标候选区域,对25组多波段图像进行实验,舰船目标候选区域生成的整体耗时为0.353 s,定位舰船目标区域耗时0.005 s。对100个正负样本进行目标识别测试,所提出的目标识别算法融合了目标的多波段图像特征信息,通过引入费舍尔向量挖掘了多波段图像梯度统计特征的深层次信息,算法的识别率达到了0.97,显着高于单波段红外图像的目标识别率。对25组多波段图像进行舰船目标检测实验,所提出的舰船目标检测方法能够在海天背景、岛岸背景以及亮带干扰等不同场景下完成海面舰船目标的检测工作,舰船目标定位准确,舰船目标召回率达到了0.95,每组多波段图像的平均检测耗时为1.33 s。研究结果表明,充分考虑海面舰船目标在红外图像中与局部海洋背景的辐射差异以及有效地融合舰船目标在多个红外波段图像中的辐射特征,可以增强舰船目标的可分性,提高舰船目标的识别率以及检测率,为基于多波段红外图像的海面舰船目标检测提供了新的技术支持。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多波段图像论文参考文献
[1].卢嫄.曲线进化的多波段舰船图像目标精准识别系统[J].舰船科学技术.2019
[2].仇荣超,娄树理,李廷军,宫剑.多波段红外图像的海面舰船目标检测[J].光谱学与光谱分析.2019
[3].陈瑞瑞,李爽,吴颖.多波段红外图像的抗噪背景补偿系统设计[J].激光杂志.2019
[4].黄福升,蔺素珍.基于拉普拉斯金字塔变换方法的多波段图像融合规则比较[J].红外技术.2019
[5].赵竞超,蔺素珍,李大威,王丽芳,杨晓莉.多波段图像融合的直觉模糊化处理方法比较[J].红外技术.2018
[6].韩泽,蔺素珍,黄福升,赵竞超,刘震.基于卷积神经网络的多波段融合图像彩色化方法[J].测试技术学报.2018
[7].韩泽.基于深度学习的多波段图像自适应融合方法研究[D].中北大学.2018
[8].李朝阳.红外多波段图像融合算法研究[D].中国科学院大学(中国科学院光电技术研究所).2018
[9].黄福升.多波段图像多尺度变换融合方法比较[D].中北大学.2018
[10].刘震.面向认知的多波段图像融合方法研究[D].中北大学.2018
论文知识图
