本文關(guān)鍵詞：一種快速的基于稀疏表示和非下采樣輪廓波變換的圖像融合算法

  更多相關(guān)文章： 圖像處理 圖像融合 非下采樣輪廓波變換 稀疏表示 快速算法

【摘要】：為了提高圖像融合的效率和質(zhì)量,該文提出一種基于快速非下采樣輪廓波變換(NSCT)和4方向稀疏表示的圖像融合算法。該方法首先對源圖像進(jìn)行快速NSCT分解,生成一系列低通和高通子帶。對于低頻子帶,利用自適應(yīng)生成的DCT過完備字典進(jìn)行快速的4方向稀疏表示和系數(shù)融合;對于高頻子帶,則利用高斯加權(quán)區(qū)域能量最大的融合規(guī)則進(jìn)行系數(shù)融合。快速NSCT將傳統(tǒng)NSCT的樹形濾波結(jié)構(gòu)轉(zhuǎn)變?yōu)槎嗤ǖ罏V波結(jié)構(gòu),能成倍提高分解效率;快速的稀疏融合則拋棄了傳統(tǒng)的滑動窗口方法,以水平、垂直、對角線4個方向進(jìn)行稀疏表示和稀疏融合,進(jìn)一步提高算法效率。實驗結(jié)果表明,提出的快速算法能在不影響融合質(zhì)量的條件下將算法效率提高近20倍。
【作者單位】： 哈爾濱工程大學(xué)信息與通信工程學(xué)院;
【基金】：國家自然科學(xué)基金(61571145,61405041) 黑龍江省自然科學(xué)基金重點資助項目(ZD201216) 哈爾濱市優(yōu)秀學(xué)科帶頭人資金(RC2013XK009003)~~
【分類號】：TP391.41
【正文快照】： 1引言由于成像機(jī)理和技術(shù)限制,單一傳感器獲取的圖像并不能反映被觀測對象的所有特征,因此需要對不同傳感器圖像中的有用信息進(jìn)行提取,并融合成一副具備更完整信息,并有助于人類觀察和處理Academic Leaders Program of Harbin(RC2013XK009003)的圖像。目前,已經(jīng)有大量的圖像融

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李映;張艷寧;許星;;基于信號稀疏表示的形態(tài)成分分析:進(jìn)展和展望[J];電子學(xué)報;2009年01期

2 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動提取方法[J];光譜學(xué)與光譜分析;2009年07期

3 楊蜀秦;寧紀(jì)鋒;何東健;;基于稀疏表示的大米品種識別[J];農(nóng)業(yè)工程學(xué)報;2011年03期

4 史加榮;楊威;魏宗田;;基于非負(fù)稀疏表示的人臉識別[J];計算機(jī)工程與設(shè)計;2012年05期

5 高志榮;熊承義;笪邦友;;改進(jìn)的基于殘差加權(quán)的稀疏表示人臉識別[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2012年03期

6 朱杰;楊萬扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識別方法[J];模式識別與人工智能;2012年05期

7 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識別[J];計算機(jī)工程與應(yīng)用;2013年05期

8 李正周;王會改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標(biāo)檢測[J];彈箭與制導(dǎo)學(xué)報;2013年04期

9 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識別算法研究[J];模式識別與人工智能;2014年01期

10 陳思寶;趙令;羅斌;;局部保持的稀疏表示字典學(xué)習(xí)[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2014年01期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 姚明海;視頻異常事件檢測與認(rèn)證方法研究[D];東北師范大學(xué);2015年

3 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

4 李小薪;稀疏表示的分段匹配尋蹤方法[D];華南理工大學(xué);2009年

5 何艷敏;稀疏表示在圖像壓縮和去噪中的應(yīng)用研究[D];電子科技大學(xué);2011年

6 宋相法;基于稀疏表示和集成學(xué)習(xí)的若干分類問題研究[D];西安電子科技大學(xué);2013年

7 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

8 匡金駿;基于稀疏表示的圖像分類與目標(biāo)跟蹤研究[D];重慶大學(xué);2013年

9 鄧承志;圖像稀疏表示理論及其應(yīng)用研究[D];華中科技大學(xué);2008年

10 路錦正;基于稀疏表示的圖像超分辨率重構(gòu)技術(shù)研究[D];電子科技大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

2 趙孝磊;基于圖像分塊稀疏表示的人臉識別算法研究[D];南京信息工程大學(xué);2015年

3 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

4 張鈴華;非約束環(huán)境下的稀疏表示人臉識別算法研究[D];南京信息工程大學(xué);2015年

5 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

6 梁曉捷;基于網(wǎng)絡(luò)攝像頭與稀疏表示分類法的實時人臉識別系統(tǒng)應(yīng)用研究[D];五邑大學(xué);2015年

7 邱大偉;基于稀疏表示的圖像超分辨率重建算法研究[D];太原理工大學(xué);2016年

8 黃榮;人臉識別中的特征生成技術(shù)應(yīng)用研究[D];東南大學(xué);2015年

9 王東青;稀疏表示和判別性字典學(xué)習(xí)的海馬子區(qū)圖像自動分割算法[D];北京理工大學(xué);2016年

10 石路遙;基于字典學(xué)習(xí)的低劑量CT圖像處理方法[D];東南大學(xué);2015年

，

本文編號：1146329