全色圖像與多光譜圖像融合時(shí),忽略了上采樣的重要性和通道間細(xì)節(jié)的差異性.針對(duì)前者,利用不同尺度下自相似塊,估計(jì)出低分辨率圖像丟失信息,從而修改了圖像上采樣的策略,并以此構(gòu)造目標(biāo)函數(shù)的保真項(xiàng);針對(duì)后者,利用全色圖像和光譜圖像梯度域結(jié)構(gòu)相似性,提出局部加權(quán)動(dòng)態(tài)稀疏約束,構(gòu)造目標(biāo)函數(shù)的正則項(xiàng).本文基于變分法理論,構(gòu)造了新的目標(biāo)函數(shù),并提出了多尺度迭代融合框架,通過多次迭代逐步提高融合圖像的分辨率,每一層的融合結(jié)果更加準(zhǔn)確,從而提高最終的融合精度.本文算法與Brovey等成分替代算法、P+XS等變分算法、MTF_GLP等多分辨分析算法進(jìn)行比較.實(shí)驗(yàn)結(jié)果表明,本算法的融合結(jié)果具有良好的視覺效果,且在客觀評(píng)價(jià)指標(biāo)上比所有對(duì)比算法的最優(yōu)值平均值均有提高. 

【文章來源】：電子學(xué)報(bào). 2020,48(06)北大核心EICSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 引言
2 基于高低尺度自相似塊的上采樣
    2.1 不同尺度下自相似塊
    2.2 自相似塊匹配
    2.3 基于自相似塊上采樣實(shí)現(xiàn)
3 基于局部加權(quán)梯度稀疏約束
4 算法框架
    4.1 融合算法
    4.2 金字塔迭代框架
    4.3 算法整體流程
5 實(shí)驗(yàn)分析
    5.1 實(shí)驗(yàn)數(shù)據(jù)與參數(shù)
    5.2 與其他文獻(xiàn)算法比較
6 結(jié)論



本文編號(hào)：3312710