基于可見光與紅外圖像融合的目標識別研究.pdf

1、可見光圖像具有豐富的細節(jié)信息但不能顯示煙霧遮擋或黑暗環(huán)境中的熱源目標，而紅外圖像可以顯示目標但其邊緣信息模糊，將可見光圖像與紅外圖像融合可以提高目標識別的性能。
　　本文首先研究了基于簡化輪廓模型匹配的目標識別方法，構造了交通工具的全方位姿態(tài)模型庫，提取模型庫中交通工具的輪廓特征，應用最小周長多邊形近似方法去除次要輪廓信息，獲得簡化輪廓，構造同底三角形并獲得三個特征量用于匹配識別。該算法識別速度較快，但在視角及尺度變化時穩(wěn)定性有待

2、改進，且不適用于遮擋目標的識別。
　　針對于此，本文接著研究了改進的基于SIFT特征的視覺詞匯目標識別算法。SIFT特征對尺度、旋轉(zhuǎn)、光照、圖像形變以及小視角變化都具有較好的不變性，將SIFT特征作為視覺單詞，構造表征目標的視覺詞匯統(tǒng)計直方圖特征矢量，應用k-近鄰規(guī)則對待識別目標進行分類識別。由于SIFT特征屬于局部特征，該算法在目標被遮擋情況下仍具有很強的識別能力，目標識別的穩(wěn)定性大大提高。
　　由于經(jīng)典SIFT特征基于圖

3、像灰度梯度，不能夠區(qū)分相同外形但不同顏色的目標，所以本文提出改進的基于HSV顏色區(qū)間化矩陣的SIFT特征，即Q-SIFT，通過顏色區(qū)間化矩陣在SIFT特征中加入顏色信息，充分利用顏色信息識別目標。Q-SIFT不改變SIFT特征原來的結(jié)構，在光照變化與角度變化情況下的匹配能力具有較為明顯的優(yōu)勢，而且在匹配速度方面的優(yōu)勢尤為明顯。
　　最后本文在經(jīng)典SIFT算法的基礎上，對可見光與紅外圖像融合的目標識別進行了研究。主要研究了基于像素級