利用non-subsampled contourlet transform(NSCT)对红外偏振与红外光强图像进行分解,得到源图像的低频子带和高频方向子带。通过对红外偏振和光强图像差异特征的分析,对低频选取局部能量和局部信息熵提取差异特征,然后利用模糊逻辑融合低频子带的不确定区域,利用特征差异驱动来融合低频子带的确定区域;对高频选取局部边缘信息保留量和局部方差提取差异特征,然后利用模糊逻辑融合高频方向子带的不确定区域,利用特征差异驱动来融合高频方向子带的确定区域。最后利用NSCT对高低频子带进行逆变换得到最后的融合图像。从而建立起基于模糊逻辑与特征差异驱动的红外偏振图像融合模型。实验仿真结果表明,该融合模型可融合源图像互补的差异特征,使其在目标识别和分类中具有一定的应用价值。

研究了偏振产生的原理和基于标准HSV颜色空间的偏振融合，并根据红外偏振图像对比度较强、强度较弱的特点改进了HSV融合算法，利用原始偏振图像的灰度均值和极值进行图像强度修正，计算融合权重，进行偏振图像融合，增强红外偏振融合图像的强度和对比度。对室内以及室外人造目标进行实验验证，改进的HSV融合算法较红外原图灰度均值最高提升216%，对比度最高提升1384%；较标准HSV融合图像的灰度均值最高提升1363%，对比度最高提升292%。为使用红外偏振融合图像进行目标识别打下了很好的基础。

本文详细概述了红外偏振的国内外发展情况，包括各种探测仪器的原理与应用

按顺序导入偏振图像，转换至专有格式，自行选中目标区域，计算图像的偏振度信息，最后显示偏振度图像和输入各均值。

红外偏振成像技术是一种新的探测技术，其主要利用目标的红外偏振特性背景与目标区分开来。目前，主要是通过实验获取目标场景的偏振信息图像(偏振度、偏振角图像)，进而研究分析目标的红外偏振特性。但红外偏振信息与多种因素相关，仅通过常用的偏振信息图像无法获取需要的数据。为了更深入地研究红外偏振成像理论和目标的红外偏振特性，通过偏振双向反射分布函数模型推导了红外发射率模型和红外热偏振成像辐射控制方程，得出了偏振信息数学表达式，并在理论上分析了材料粗糙度及折射率对偏振信息的影响，这将为实现基于红外热偏振成像的目标探测提供理论指导。