致  谢    31
参考文献32
1    绪论
1.1    图像融合技术的基本概念
图像融合可以定义为将不同的图像或图像的不同特征进行综合以形成一幅单一的图像的过程，它对不同图像的捕捉到的不同信息进行互补信息。图像融合不仅提高了探测目标的清晰度与细节准确度，而且融合图像的时空覆盖性好，可以弥补单一传感器在传输过程中丢失的信息的缺点，并且其相对成本较低。
这诸多方面的优点使得图像融合在军事目标探测与识别领域已经有着重要的应用，并且在医学、遥感、计算机视觉、气象预报及等方面的也有着不可估量的应用前景，尤其在计算机视觉方面应用前景更广泛。
1.2    图像探测概率的基本概念
图像的融合往往是为了更好地发现某一特定目标，在图像融合的过程中，会抑制一些噪声，但是也会改变图像的对比度、清晰度等特性，所以各种融合方法对于图像的目标探测概率的影响不能一概而论，需要针对不同的融合方法展开不同的实验，才能使实验结果更为可靠。
所以在此，我们引入“探测概率”和“目标识别”的概念。简单来说，目标探测概率是表示估计某一特定目标可探测到性的重要指标，目标探测概率广泛地存在于很多领域中，例如在天文观测领域。目标识别分为三个层次：发现、识别和认清。探测概率与很多因素有关，如探测目标与背景的光谱对比度、红外与微光探测器的特性、环境照度条件、图像融合质量、目标大小与距离、观测者的经验等。本文针对红外与微光系统不同的融合方法，着重研究噪声对探测概率的影响，通过图像质量评价指标的变化和探测概率大小的变化，验证已有的探测概率模型的正确性。
1.3    融合图像探测概率发展现状与应用前景
迄今为止，虽然国内外展开了大量的研究，世界上仍没有公认的完整的评价融合图像的体系与系统。图像融合的方法众多，而且不同的融合方法的优势不同，正确地评价融合图像的质量就成为选择融合方法的重要依据。
现有对图像评价多除了主观评价外，基于统计特性的客观评价有:均值、标准差、平均灰度梯度；基于信息量的客观评价有:熵、交叉熵、互信息。
在无噪声条件下，一些论文已经提出了评价图像融合算法性能上的指标。波尔和van Genderen提出了一个应用于遥感领域审查的融合技术的理论。然而，国内几乎没有在测量和比较输入噪声对系统图像融合性能影响的努力。这是由于MSL -IF在先进的多传感器成像显示/视频信息所确定性能发挥的关键作用。在航空电子设备、医疗成像、地球观测和安全/监视等这些应用领域中，可能出现融合输入的图像视觉质量较低的情况。这就更需要建立合适的评价系统来研究噪声对图像质量的影响，而图像质量的好坏将大大影响探测目标的探测概率。
所以本文用目标探测概率作为衡量图像质量的标准，这种方法不仅充分考虑到人眼的视觉感受，而且完全符合现实中图像融合的应用。
1.4    本论文的主要内容及工作
本论文通过了解一些常用的图像融合方法和目标探测概率的概念，先将红外图像和微光图像进行融合，然后将红外与微光图像分别加入不同大小的噪声，然后分别融合，应用噪声评价图像指标分别评价图像质量，同时应用目标探测概率模型评价加入噪声的融合图像质量，分析噪声对图像质量的影响与已有探测概率模型是否一致。主要分为一下几个部分：
①分析红外图像和微光图像的成像原理与特性，了解红外、微光图像融合的理论依据，为下一步融合方法的选择及实现打好基础，也有助于理解红外、微光图像融合的重要意义。学习五种不同的融合方法的原理：加权融合法、取大融合法、对比度金字塔、拉普拉斯金字塔和小波变换法。 彩色红外与微光融合的探测概率特性研究(2):http://www.youerw.com/tongxin/lunwen_40323.html