摘要
当前，红外与可见光图像融合技术以及目标识别技术飞速发展，其在无人机平台上的应用更加广泛，其中在城市规划、环境监测、地图更新、变化检测和军事领域的目标打击等生活和军事领域中更为突出。无人机平台具有更高的灵活性，应用领域更加广泛，对周围环境要求较低。 本文针对红外与可见光视觉传感器的缺陷与不足(主要为马弓光照或者黑暗条件下)问题，通过无人机搭载的红外与可见光传感器获得图像信息进行融合，并对图像内的航拍车辆目标进行识别，以解决烟、尘、云、雾、雨以及黑暗条件下，无人机的航拍异源图像目标识别较困难和其他地面传感器获取目标存在死角、目标有遮挡以及视野较窄的问题。 首先，无人机获得航拍的红外与可见光车辆目标并传输给地面，地面处理系统进行配准，整个处理过程应用基于特征的配准技术实现，主要选择ORB算法完成特征提取与配准任务，完成配准，并通过QT界面显示处理结果，除此之外，还有线特征和区域特征配准等等。 其次，红外与可见光目标进行融合为本次研究的核心步骤，融合过程采用基于多尺度变换域的融合方法对航拍车辆目标进行像素级融合，主要采用改进的NSST融合算法，经过NSST分解获得低频子图与高频子图，选择加权平均融合法处理低频子图，选择局部能量准则与绝对值最大法相结合的方法处理高频子图，通过对车辆数据进行处理并与其他算法的处理结果进行比较，对本文算法与其他算法的评价指标进行整理与分析，得出本文算法具有更好的性能的结论。 最后，对无人机获取的航拍车辆目标进行识别，传统算法目标识别效率较低，在本次研究中使用Yolov3深度学习网络进行车辆目标识别，通过大量采集数据、数据标注以及网络训练等步骤完成车辆目标识别。完成此次课题研究任务。
NETL