基于矩陣低秩稀疏分解的圖像融合算法研究.pdf

1、圖像融合技術(shù)目前應(yīng)用廣泛，其目的是整合多傳感器數(shù)據(jù)的互補(bǔ)信息，使得新的圖像更適合人類視覺感知和計(jì)算機(jī)處理任務(wù)，如分割，特征提取和對(duì)象識(shí)別的目的。通常像素級(jí)的圖像融合主要是為了對(duì)融合圖像進(jìn)行觀測(cè)，以便進(jìn)行下一步的分析。對(duì)于視頻圖像的融合更多是為了進(jìn)行運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤，特征級(jí)融合由于其對(duì)目標(biāo)具有較好的表征，所以比像素級(jí)融合更加適合。本文針對(duì)經(jīng)典目標(biāo)檢測(cè)算法在目標(biāo)檢測(cè)中的不足，通過對(duì)紅外和可見光的視頻圖像進(jìn)行融合，以得到更加完整的，準(zhǔn)確的

2、運(yùn)動(dòng)目標(biāo)。主要提出了一種引入邊緣信息的灰度置信圖融合算法框架，完成運(yùn)動(dòng)目標(biāo)檢測(cè)。然后對(duì)檢測(cè)的結(jié)果進(jìn)行定性分析和定量分析。在目標(biāo)的邊緣特征提取方面，本文提出了一種改進(jìn)的基于K-means聚類的雙閾值目標(biāo)邊緣檢測(cè)算法，時(shí)間復(fù)雜度低，得到的邊緣特征對(duì)目標(biāo)有更好的表征。
　　本研究主要內(nèi)容包括：⑴分析了矩陣低秩稀疏分解算法的數(shù)學(xué)模型和在背景建模和目標(biāo)檢測(cè)領(lǐng)域上的工作原理，重點(diǎn)介紹了incPcp算法在視頻全增量處理上的改進(jìn)，并與其它目標(biāo)檢測(cè)