【摘要】：為了更好地處理圖像高維特征奇異性,并兼顧融合圖像目標(biāo)特征與平均強度信息,提出了一種多分辨率分析與近似稀疏表示的圖像融合算法。首先,對源圖像進行對尺度分析,分別得到圖像的高頻和低頻信息;然后,設(shè)計了近似稀疏表示(sparse representation,SR),通過近似SR系數(shù)來表示圖像高頻信息和低頻信息;并利用絕對最大選擇技術(shù)對近似SR稀疏轉(zhuǎn)換,得到低頻子帶的近似系數(shù)和高頻子帶的細節(jié)系數(shù),以達到用最少的系數(shù)來逼近奇異曲線。其次,構(gòu)建了決策映射,對相同子帶上的各SR系數(shù)的活性度和匹配度進行決策分析,輸出決策值,通過決策值對圖像進行匹配融合。最后,通過多尺度逆變換得到最終的融合圖像。仿真實驗表明:與當(dāng)前圖像融合算法相比,獲得的融合圖像具有更好的視覺效果,能有效圖像突出目標(biāo)信息,得到的圖像具有更高的平均梯度和邊緣評價因子;既突出了目標(biāo)特征又保留平均強度信息,同時降低噪聲影響。
[Abstract]:In order to better deal with the singularity of high-dimensional features of images and take into account the information of target features and average intensity of fused images, an image fusion algorithm based on multi-resolution analysis and approximate sparse representation is proposed. Firstly, the source image is analyzed to obtain the high frequency and low frequency information, and then the sparse representation SR is designed to represent the high frequency and low frequency information of the image by approximate SR coefficients. The approximate coefficients of the low frequency subbands and the detail coefficients of the high frequency subbands are obtained by using the absolute maximum selection technique to convert the approximate SR sparsity to approximate the singular curves with the least coefficients. Secondly, the decision mapping is constructed, the activity and matching degree of SR coefficients in the same subband are analyzed, the decision value is outputted, and the image is matched and fused by the decision value. Finally, the final fusion image is obtained by multi-scale inverse transform. Simulation results show that: compared with the current image fusion algorithm, the fused image has better visual effect, can effectively highlight the target information, the image has a higher average gradient and edge evaluation factor; It not only highlights the target characteristics but also preserves the average intensity information, and reduces the noise effect at the same time.
【作者單位】： 廣東工業(yè)大學(xué)計算機學(xué)院;中山大學(xué)信息科學(xué)與技術(shù)學(xué)院;廣東暨通信息發(fā)展有限公司;
【基金】：國家自然科學(xué)基金(61272498) 廣東省科技廳2014年度省前沿與關(guān)鍵技術(shù)創(chuàng)新專項(2014B010117002) 廣東省中國科學(xué)院全面戰(zhàn)略合作專項(2013B091500060)資助
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 陳虎義;多種圖像融合[J];影像技術(shù);2000年04期

2 田思;張俊舉;袁軼慧;常本康;;圖像融合的開窗處理技術(shù)研究[J];兵工學(xué)報;2009年04期

3 吳仰玉;紀(jì)峰;常霞;李翠;;圖像融合研究新進展[J];科技創(chuàng)新導(dǎo)報;2013年01期

4 韓瑜;蔡云澤;曾清;;圖像融合的客觀質(zhì)量評估[J];指揮控制與仿真;2013年04期

5 朱煉;孫楓;夏芳莉;韓瑜;;圖像融合研究綜述[J];傳感器與微系統(tǒng);2014年02期

6 劉志鏡,楊海英,張小平;基于空域中的圖像融合算法研究[J];計算機工程與設(shè)計;2002年09期

7 苗啟廣;王寶樹;;圖像融合的非負(fù)線性混合模型與算法研究[J];計算機科學(xué);2005年09期

8 趙永強,潘泉,陳玉春,張洪才;基于偏振成像技術(shù)和圖像融合理論雜亂背景壓縮[J];電子學(xué)報;2005年03期

9 孫巖;趙春暉;陳立偉;;基于小波域的多尺度圖像融合方法[J];應(yīng)用科技;2006年10期

10 李波;王娟;覃征;李愛國;;多分辨圖像融合通用開發(fā)平臺[J];計算機工程;2006年24期

相關(guān)會議論文 前10條

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

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

3 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];中國航空學(xué)會信號與信息處理專業(yè)全國第八屆學(xué)術(shù)會議論文集[C];2004年

4 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環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

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

6 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)會議論文集[C];2013年

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

8 劉勇;劉隆國;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];第二屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會電子文集[C];2011年

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

10 王強軍;王潤生;;城市航空攝影圖像融合分割方法[A];中國圖象圖形科學(xué)技術(shù)新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

相關(guān)博士學(xué)位論文 前10條

1 王春萌;多曝光圖像融合關(guān)鍵技術(shù)的研究[D];山東大學(xué);2015年

2 費春;基于智能優(yōu)化和視覺顯著性的圖像融合研究[D];電子科技大學(xué);2015年

3 段昶;基于Shearlet的圖像融合研究[D];電子科技大學(xué);2014年

4 史立芳;大視場人工復(fù)眼成像結(jié)構(gòu)研究與實驗[D];電子科技大學(xué);2014年

5 高國榮;基于Shearlet變換的圖像融合與去噪方法研究[D];西安電子科技大學(xué);2015年

6 王娟;基于城鎮(zhèn)影像的Contourlet域圖像融合算法研究[D];成都理工大學(xué);2015年

7 楊金庫;基于二維經(jīng)驗?zāi)B(tài)分解的圖像融合算法研究[D];西北工業(yè)大學(xué);2016年

8 李奕;圖像融合的若干關(guān)鍵技術(shù)研究[D];江南大學(xué);2015年

9 宋樂;異源圖像融合及其評價方法的研究[D];天津大學(xué);2008年

10 諶明;圖像融合與修復(fù)處理關(guān)鍵技術(shù)研究[D];浙江大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 段普宏;基于多尺度變換和稀疏表示的圖像融合算法研究[D];合肥工業(yè)大學(xué);2017年

2 杜麗;基于RF5框架的多小波圖像融合系統(tǒng)的設(shè)計與開發(fā)[D];內(nèi)蒙古大學(xué);2015年

3 王坤臣;基于二代Curvelet變換的圖像融合算法研究[D];南京理工大學(xué);2015年

4 李寧;多DSP并行系統(tǒng)圖像融合算法設(shè)計及優(yōu)化[D];南京理工大學(xué);2015年

5 陳云川;紅外與微光融合的實時信號處理技術(shù)研究[D];南京理工大學(xué);2015年

6 張澤;基于NSCT變換的壓縮感知圖像融合優(yōu)化算法研究[D];大連海事大學(xué);2015年

7 陶媛媛;紅外與微光融合夜視系統(tǒng)性能評價[D];南京理工大學(xué);2015年

8 李蕾;抗混疊輪廓波變換的性能研究及圖像融合去噪應(yīng)用[D];山東大學(xué);2015年

9 米艷芹;基于區(qū)域和多尺度的圖像融合算法研究[D];電子科技大學(xué);2015年

10 唐詩;基于多尺度變換的無源毫米波圖像融合算法研究[D];電子科技大學(xué);2014年

，

本文編號：2165788