1. 研究目的与意义（文献综述）
1．1目的及意义
图像融合是一种增强技术，目的是将从不同类型传感器获得的图像结合起来，生成拥有丰富信息的图像，以便于后续处理或帮助决策。不同类型的图像，如可见光、红外、计算机断层扫描（ct）和磁共振成像（mri），都是很好的融合源图像。在这些类型的组合中，红外和可见光图像融合在许多方面都具有优势。首先，它们的信号来自不同的模态，可以从不同的方面提供场景信息；即可见光图像捕获反射光，而红外图像捕获热辐射。因此，这种组合比单模态信号更具信息性。其次，红外和可见光图像呈现了几乎所有物体的固有特征。此外，这些图像可以从相对简单的设备中获得，而不像ct和mri这样对成像技术有着严格的要求。最后，红外图像和可见光图像具有互补性，从而可以产生鲁棒性强、信息量大的融合图像。可见光图像通常具有较高的空间分辨率和可观的细节和明暗度，因此，它们适合于人类的视觉感知。然而，这些图像很容易受到恶劣条件的影响，如光照差、雾和其他恶劣天气的影响。而描述物体热辐射的红外图像能够抵抗这些干扰，但它的分辨率较低，纹理较差。可见光和红外图像的融合技术由于所利用图像的普遍性和互补性，因而比其他融合方法有更多的应用领域。目标识别、检测、图像增强、监视和遥感是红外和可见光图像融合的典型应用。
1.2 国内外研究现状
2. 研究的基本内容与方案
本次设计的目的是研究一种新的红外图像与可见光图像的融合方法，在matlab环境下实现，然后对结果进行分析比较。
梯度转移算法（gtf），是一种基于梯度转移和总变量最小化的融合算法。总变量最小化问题中的数据保真度项保持红外图像中的红外目标强度信息，正则化项则保持可见光图像中的边缘信息。这里通过梯度计算来获得可见光图像的边缘信息。其中通过参数λ来控制红外图像信息与可见光图像信息的取舍。当λ较大时，融合图像中包含有更多的可见光图像信息。反之，则包含有更多的红外图像信息。
初步的想法是利用红外图像的显著性图，来进一步突出红外图像中的热红外目标，用显著性图来调整梯度转移算法中的λ参数。这是因为在红外图像的显著性图中的热目标区域的像素值较大，为了让融合图像包含更多的红外图像信息。暂时的想法是先对显著性图进行归一化，使像素值处于[0,1]的范围中。然后对其值取对数，再取其绝对值。此时，当显著性图中的像素值较大时，其接近于1，对其取对数、绝对值后，获得的λ就接近于0，所得到的融合图像就包含了基本所有的红外图像的信息。
3. 研究计划与安排
第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础，确定方案，撰写开题报告。
第4周：论文正式开题。
第5－6周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。
4. 参考文献（12篇以上）
[1] y. liu, s. liu, z. wang, a general framework for image fusion basedon multi-scale transform and sparse representation, inform. fusion 24 (2015)147–164.
[2] m. yin, p. duan, w. liu, x. liang, a novel infraredand visible image fusion algorithm based on shift-invariant dual-tree complexshearlet transform and sparse representation, neurocomputing 226 (2017)182–191.
[3] x. lu, b. zhang, y. zhao, h. liu, h. pei, the infrared and visibleimage fusion algorithm based on target separation and sparse representation,infrared phys. technol. 67 (2014) 397–407.
