本文選題：圖像處理　切入點(diǎn)：圖像融合　出處：《光學(xué)學(xué)報(bào)》2017年11期

【摘要】：基于引導(dǎo)濾波和非下采樣方向?yàn)V波器,提出了一種多尺度方向引導(dǎo)濾波圖像融合方法,該方法兼具邊緣保持特性和方向信息提取能力,能夠有效提取源圖像的有用信息。所提方法對(duì)源圖像進(jìn)行多尺度方向引導(dǎo)濾波,得到了包含低頻近似部分和強(qiáng)邊緣部分的低頻分量,而后通過(guò)高斯低通濾波將其進(jìn)行有效分離,分別應(yīng)用基于卷積稀疏表示和區(qū)域能量自適應(yīng)加權(quán)平均的融合規(guī)則;對(duì)高頻細(xì)節(jié)方向分量應(yīng)用顯著性與引導(dǎo)濾波相結(jié)合的融合規(guī)則,以保持空間一致性,得到了相應(yīng)的高頻細(xì)節(jié)融合分量。結(jié)果表明,所提方法能更好地提取源圖像的目標(biāo)特征信息,保留豐富的背景信息,客觀評(píng)價(jià)指標(biāo)優(yōu)于現(xiàn)有方法,融合結(jié)果具有更好的主觀視覺(jué)效果。
[Abstract]:Based on the guided filter and the non-downsampling directional filter, a multi-scale direction-guided filtering image fusion method is proposed. This method has both edge holding characteristics and directional information extraction ability, which can effectively extract the useful information of the source image.The proposed method uses multi-scale direction-guided filtering to obtain the low-frequency components including the low-frequency approximation part and the strong edge part, and then separates them effectively by Gao Si low-pass filter.The fusion rules based on convolution sparse representation and regional energy adaptive weighted average are applied respectively, and the fusion rules combining salience with guided filtering are applied to the direction components of high frequency details to maintain spatial consistency.The corresponding high frequency detail fusion component is obtained.The results show that the proposed method can better extract the target feature information of the source image, retain abundant background information, and the objective evaluation index is better than the existing methods, and the fusion result has better subjective visual effect.
【作者單位】： 軍械工程學(xué)院軍械技術(shù)研究所;
【基金】：總裝人才戰(zhàn)略工程專(zhuān)項(xiàng)資助基金(ZZ[2013]714號(hào))
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張新鵬;王朔中;;基于稀疏表示的密寫(xiě)編碼[J];電子學(xué)報(bào);2007年10期

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

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

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

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

6 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(shí)別[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

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

8 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(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2013年05期

9 李正周;王會(huì)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(cè)[J];彈箭與制導(dǎo)學(xué)報(bào);2013年04期

10 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(shí)別算法研究[J];模式識(shí)別與人工智能;2014年01期

相關(guān)會(huì)議論文 前10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(shí)別[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

2 劉德坤;龔俊斌;馬佳義;田金文;;一種車(chē)載的紅外與微光圖像融合系統(tǒng)設(shè)計(jì)[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（上冊(cè)）[C];2010年

3 王芳;吳謹(jǐn);;基于小波的圖像融合算法研究[A];2011年全國(guó)通信安全學(xué)術(shù)會(huì)議論文集[C];2011年

4 楊志;毛士藝;陳煒;;基于多分辨率局部峰度熵的魯棒圖像融合算法[A];中國(guó)航空學(xué)會(huì)信號(hào)與信息處理專(zhuān)業(yè)全國(guó)第八屆學(xué)術(shù)會(huì)議論文集[C];2004年

5 王曾敏;楊兆選;丁學(xué)文;何英華;陳楊;于淵;;圖像融合與壓縮算法在動(dòng)態(tài)交通信息服務(wù)系統(tǒng)中的應(yīng)用[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

6 湯志偉;王建國(guó);趙志欽;黃順吉;;基于小波變換的圖像融合算法[A];第九屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

7 陸琳;張淳民;;圖像融合算法研究[A];2013年（第五屆）西部光子學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

8 王榮福;;PET/CT新技術(shù)應(yīng)用[A];全國(guó)射線數(shù)字成像與CT新技術(shù)研討會(huì)論文集[C];2009年

9 劉勇;劉隆國(guó);楊玲恒;;面向?qū)ο蟮男l(wèi)星多層多分區(qū)圖像融合在GIS領(lǐng)域的應(yīng)用探討[A];第二屆中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)電子文集[C];2011年

10 王立琦;雷潔;;基于圖像融合的目標(biāo)識(shí)別研究[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 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(cè)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 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

5 程廣濤;基于壓縮感知的人臉識(shí)別方法研究[D];天津大學(xué);2015年

6 黃丹丹;基于稀疏表示的視覺(jué)目標(biāo)跟蹤方法研究[D];大連理工大學(xué);2016年

7 趙淑歡;欠完備采樣環(huán)境下面向數(shù)據(jù)的稀疏表示人臉識(shí)別研究[D];燕山大學(xué);2016年

8 劉海倉(cāng);基于稀疏表示的圖像超分辨率與目標(biāo)跟蹤方法研究[D];湖南大學(xué);2015年

9 項(xiàng)鳳濤;基于稀疏表示與優(yōu)化的圖像信息處理方法及應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

10 劉兆棟;基于稀疏表示理論的圖像去噪與融合算法研究[D];重慶大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

3 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

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

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

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

7 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

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

9 陳蒙;基于稀疏表示特征的人臉識(shí)別方法研究[D];深圳大學(xué);2015年

10 袁文;基于稀疏表示的行人檢測(cè)方法研究[D];南京理工大學(xué);2015年

，

本文編號(hào)：1712287