【摘要】：傳感器的飛速發(fā)展極大地提升了人們獲取信息的能力,隨之出現(xiàn)了信息融合,信息融合最初被稱作數(shù)據(jù)融合,一經(jīng)出現(xiàn)便在各個領(lǐng)域都帶來了變革性的發(fā)展。圖像融合作為信息融合理論的一個重要分支,基于信息融合的理論基礎(chǔ)而迅速發(fā)展的一種圖像處理技術(shù),滿足了人們對于不同源圖像、不同傳感器等多方面不可控因素帶來的繁雜且冗余的信息進(jìn)行進(jìn)一步的處理和綜合,將兩幅及其以上的圖像信息進(jìn)行融合,使其融合后的圖像能夠更精準(zhǔn)、更全面的描述出所需場景。圖像融合技術(shù)在各個領(lǐng)域都擔(dān)當(dāng)者十分重要的角色,發(fā)揮著不可替代的作用,也因此,隨著人們需求的不斷增加,信息量也成倍的上漲。傳統(tǒng)的圖像融合技術(shù)面臨了巨大的挑戰(zhàn),無論是信息的存儲還是傳輸,都不能滿足現(xiàn)下的信息量的需求。因此,稀疏表示成為了里程碑式的突破。基于稀疏表示的圖像融合逐漸得到了許多國內(nèi)外學(xué)者的關(guān)注,稀疏表示的基本原理即為建立一個過完備字典,通過源圖像在這個過完備字典下形成稀疏系數(shù),并通過某種融合方法對稀疏系數(shù)進(jìn)行融合,之后將融合后的系數(shù)與過完備字典相乘得到融合后圖像。將整張圖片轉(zhuǎn)換為稀疏系數(shù)的矩陣運(yùn)算,從而大幅度的減少了計算量,提高了融合過程中的計算效率。在融合法則上目前也是層出不窮,很多學(xué)者在不斷為了得到更好的融合效果,努力對融合法則進(jìn)行更進(jìn)一步的優(yōu)化,并基于圖像稀疏表示的基本原理,針對與能夠影響稀疏融合算法融合性能的如滑窗大小、滑動步長和融合規(guī)則等因素,眾多學(xué)者都紛紛做出了不同方面,不同程度的改進(jìn)。在本文中,提出了新的改進(jìn)理念,即字典加強(qiáng)。不同于改變固定字典改用自適應(yīng)訓(xùn)練字典的改變,本文基于一種字典,通過計算字典中每個原子的加權(quán)平均值的方法,篩選出信息量最為豐富的一部分原子加以標(biāo)記。并在調(diào)用到這些原子時,進(jìn)行一定幅度的加強(qiáng),也就是說將信息豐富的重要部分,通過加強(qiáng)字典的方法,從根本處強(qiáng)化圖片,使得融合后的圖片在視覺上能夠有更加好的效果體驗(yàn)。將選中的字典原子,通過多次試驗(yàn)得出效果最佳的放大系數(shù),之后進(jìn)行放大。這種強(qiáng)化字典的方法在保證計算量沒有大幅上漲的情況下,最簡單直接且有效的完成了對于融合圖片的優(yōu)化,而且簡易的計算保障了運(yùn)算效率和準(zhǔn)確程度,本文也證實(shí)了這種方法的可取之處。
【學(xué)位授予單位】：天津師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TP212
【圖文】：

一藝

當(dāng)然也存在著一定的信息的冗余。因此，如何更好的保留對我們的需求有逡逑幫助的信息，去除掉多余的冗余信息，成為了人們迫切需要解決的問題。逡逑如下圖１－１，圖１－２，圖１－３所示逡逑圖１－１不同時間的同一條街道邐圖１－２左右眼不同成像逡逑＿呡＿靡逡逑圖１－３不同對焦對象逡逑１逡逑

逑方面都能得到廣泛應(yīng)用，并能解決許多實(shí)際遇到的問題。圖像融合簡略過程圖如逡逑圖２－１所示逡逑冗余信息逡逑個逡逑ｆ邐圖像傳感器Ａ邋（邋Ｊ邋＠像傳感器Ｂ邐）逡逑互補(bǔ)信息逡逑圖２－１圖像融合示意圖逡逑２．２融合的層次逡逑一般情況下，圖像融合依據(jù)融合在圖像處理過程中所處的階段各異，被廣泛逡逑的由低到高逐步分為三個層次即：數(shù)據(jù)級融合、特征級融合、決策級融合。融合逡逑的層次不同，那么所采用的算法以及它的適用范圍也不盡相同。低層次的算法相逡逑對來說更加簡潔，計算量更加少，對原始圖像的信息保留的更加全面，高層次的逡逑圖像計算量更加的大，細(xì)微信息的保留能力也較差因此，我們可以在圖像融合的逡逑過程中，根據(jù)我們最終對于融合后的圖像的要求以及現(xiàn)有實(shí)驗(yàn)設(shè)備的綜合考慮，逡逑選擇在可接受范圍內(nèi)最接近我們?nèi)诤纤璧乃惴ǎ@也是十分必要的一步。圖像逡逑融合的三個層次示意圖如圖２－２所示。逡逑４數(shù)據(jù)層處理＾特征層處理——ｓ．決策層處理逡逑數(shù)據(jù)逡逑圖２－２圖像融合過程的三層結(jié)構(gòu)逡逑２．２．１像素級融合逡逑數(shù)據(jù)級融合也可稱為像素級融合，融合一般流程即為像素級層次圖像融合的逡逑一般流程一般為將待融合圖像首先進(jìn)行一步預(yù)處理

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 Fang LI;Jia SHENG;San-yuan ZHANG;;基于稀疏表示的拉普拉斯稀疏字典圖像分類（英文）[J];Frontiers of Information Technology & Electronic Engineering;2017年11期

2 黃宏圖;畢篤彥;侯志強(qiáng);胡長城;高山;查宇飛;庫濤;;基于稀疏表示的視頻目標(biāo)跟蹤研究綜述[J];自動化學(xué)報;2018年10期

3 劉嘎瓊;;改進(jìn)稀疏表示的人臉識別在高校管理中的應(yīng)用[J];計算機(jī)與數(shù)字工程;2018年11期

4 余慶輝;朱晗琰;吳海霞;戈曉玲;潘逸煒;;基于類內(nèi)稀疏表示的人臉識別[J];科技展望;2015年32期

5 滕升華;商勝楠;王芳;趙增順;;一種基于復(fù)合稀疏表示的阿爾茨海默病的診斷方法[J];生物醫(yī)學(xué)工程研究;2016年01期

6 黃宏圖;畢篤彥;高山;查宇飛;侯志強(qiáng);;基于局部敏感核稀疏表示的視頻跟蹤[J];電子與信息學(xué)報;2016年04期

7 張保慶;穆志純;曾慧;;基于非負(fù)稀疏表示的遮擋人耳識別[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2014年08期

8 張石清;趙小明;樓宋江;闖躍龍;郭文平;陳盈;;一種局部敏感的核稀疏表示分類算法[J];光電子.激光;2014年09期

9 陳思寶;許立仙;羅斌;;基于多重核的稀疏表示分類[J];電子學(xué)報;2014年09期

10 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

相關(guān)會議論文 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

2 楊寶;朱啟兵;黃敏;;基于非負(fù)矩陣分解一稀疏表示分類的玻璃缺陷圖像識別[A];第24屆中國控制與決策會議論文集[C];2012年

3 田野;張立新;嚴(yán)濤;楊志梅;張茁;;基于稀疏表示的北斗導(dǎo)航衛(wèi)星預(yù)失真濾波器設(shè)計方法[A];第九屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會論文集——S08 測試評估技術(shù)[C];2018年

4 肖瓊;黃永言;;稀疏表示在腦電信號處理中的應(yīng)用研究現(xiàn)狀[A];人-機(jī)-環(huán)境系統(tǒng)工程創(chuàng)立30周年紀(jì)念大會暨第十一屆人-機(jī)-環(huán)境系統(tǒng)工程大會論文集[C];2011年

5 趙雪峰;孫成禹;;基于稀疏表示的地震多屬性融合[A];2016中國地球科學(xué)聯(lián)合學(xué)術(shù)年會論文集（十九）——專題40：油氣田與煤田地球物理勘探[C];2016年

6 廖佳俊;劉志剛;蔡尚;姜江軍;;基于非負(fù)—平滑約束的高光譜稀疏表示目標(biāo)檢測算法研究[A];國家安全地球物理叢書（十二）——地球物理與信息感知[C];2016年

7 蒙紅英;柴昱洲;韓宇;;一種基于稀疏表示的JPEG-LS改進(jìn)算法[A];第四屆高分辨率對地觀測學(xué)術(shù)年會論文集[C];2017年

8 柴漢超;郭翌;汪源源;曹萬里;孫�？�;;基于多尺度稀疏表示分割腎上腺腫瘤CT圖像[A];儀器儀表學(xué)報（2015（增刊）第36卷）[C];2015年

9 杜蘭;李晨;孫永光;;基于聯(lián)合動態(tài)稀疏表示的SAR自動目標(biāo)識別[A];第五屆高分辨率對地觀測學(xué)術(shù)年會論文集[C];2018年

10 余力;郭翌;汪源源;陳萍;;基于超聲心動圖序列的胎兒左心室分割[A];儀器儀表學(xué)報（2015（增刊）第36卷）[C];2015年

相關(guān)博士學(xué)位論文 前10條

1 商琨;稀疏、低秩表示學(xué)習(xí)模型與相關(guān)方法研究[D];天津大學(xué);2017年

2 張永強(qiáng);基于稀疏表示和級聯(lián)回歸的面部動作捕捉技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2018年

3 張巖;基于稀疏表示的油氣地震勘探數(shù)據(jù)重建與去噪方法研究[D];東北石油大學(xué);2018年

4 趙永紅;基于稀疏表示的陣列信號空間譜估計方法研究[D];西安電子科技大學(xué);2017年

5 任博;基于稀疏表示和流形學(xué)習(xí)的SAR圖像分類算法研究[D];西安電子科技大學(xué);2017年

6 程增飛;基于壓縮感知的陣列信號處理技術(shù)研究[D];西安電子科技大學(xué);2017年

7 吳曉歡;基于稀疏表示的波達(dá)方向估計理論與方法研究[D];南京郵電大學(xué);2017年

8 王秀紅;基于稀疏表示的波達(dá)方向估計方法研究[D];哈爾濱工業(yè)大學(xué);2017年

9 王曉陽;基于稀疏動態(tài)反演的紅外弱小目標(biāo)檢測理論及方法研究[D];電子科技大學(xué);2018年

10 孔波;基于稀疏和張量表示的通信雷達(dá)融合系統(tǒng)目標(biāo)參數(shù)估計方法研究[D];南昌大學(xué);2019年

相關(guān)碩士學(xué)位論文 前10條

1 韓征彬;智能視頻監(jiān)控系統(tǒng)中的人群異常行為檢測算法研究[D];長春理工大學(xué);2019年

2 徐俊;基于稀疏核空間的圖像識別[D];上海交通大學(xué);2017年

3 張雪艷;基于自組織映射的圖像稀疏表示[D];桂林電子科技大學(xué);2019年

4 張堯;基于改進(jìn)的時空上下文目標(biāo)跟蹤算法研究[D];長春理工大學(xué);2019年

5 羅宵晗;基于稀疏表示的人臉識別方法研究[D];杭州電子科技大學(xué);2019年

6 田晨曦;稀疏表示分類的模型、量化指標(biāo)體系及應(yīng)用[D];河南大學(xué);2019年

7 韓青云;基于稀疏表示的DAS數(shù)據(jù)降噪方法研究[D];電子科技大學(xué);2019年

8 孫磊;基于特征表示和反投影稀疏表示分類的臨床醫(yī)學(xué)數(shù)據(jù)分析[D];河南大學(xué);2019年

9 丁婷婷;稀疏表示圖像分類算法研究[D];云南大學(xué);2018年

10 張晗;基于原子空間梯度的稀疏表示圖像融合[D];天津師范大學(xué);2019年

本文編號：2782546