本文選題：圖像融合 + 稀疏表示�。� 參考：《重慶大學(xué)》2016年博士論文

【摘要】：受制于各類傳感器自身性質(zhì),不同模態(tài)傳感器獲得的信息不盡相同,且存在互補關(guān)系。相同圖像傳感器由于參數(shù)、焦距設(shè)置不同,對于同一目標(biāo)或背景所獲得的信息也存在互補與差異。圖像融合技術(shù)通過對不同傳感器或同一傳感器在不同參數(shù)設(shè)置下,獲取的圖像信息進行綜合,從而提升圖像的信息利用率,增強圖像的視覺效果;為后續(xù)的人體視覺觀察與計算機處理與檢測打下堅實的基礎(chǔ)。如今,圖像融合技術(shù)已被大量應(yīng)用于光場照相機、遙感測繪、導(dǎo)航制導(dǎo)、醫(yī)學(xué)診斷等領(lǐng)域。近年來隨著稀疏表示理論的逐漸興起,基于稀疏表示的圖像融合技術(shù)也得到了極大的發(fā)展。稀疏表示技術(shù)由于能夠?qū)D像有效的分解為一組線性系數(shù)與過完備字典的乘積,并極好的保留圖像的細節(jié)特征,使得基于稀疏表示的圖像融合方法表現(xiàn)出良好的融合效果。本論文圍繞基于稀疏表示的圖像融合技術(shù),在現(xiàn)有國內(nèi)外研究基礎(chǔ)之上,對其進行了深入的研究。為解決基于稀疏表示的多模態(tài)圖像融合中稀疏系數(shù)誤選的問題,提出一種基于可控核回歸聚類與卡通紋理分解的多模態(tài)圖像融合算法。本文根據(jù)像素點間可控核回歸特征的距離,對圖像中的像素點進行局部密度峰值聚類,獲得像素點簇。對每個像素點簇進行PCA分析,使用PCA基構(gòu)成緊致的對各個簇進行表示的子字典。并通過每個簇的子字典,構(gòu)成一個緊致且信息量豐富的大字典。在融合框架中,采用卡通紋理分解分解方法對圖像進行分解,對卡通部分采用加權(quán)平均算法融合得到卡通融合圖像,以充分保留所有待融合圖像卡通部分中的低頻信息。對于圖像紋理部分,本文采用基于稀疏表示的方法,通過學(xué)習(xí)得到的字典與Max-L1的算法以得到細節(jié)更準(zhǔn)確的紋理部分融合圖像。經(jīng)過實驗,也證明了本文提出方法相對于主流圖像方法具有優(yōu)勢。為解決稀疏表示中,不同分辨率的圖像,無法采用一個相同的字典進行稀疏編碼的問題,本文提出一種基于雙字典關(guān)聯(lián)學(xué)習(xí)的分辨率圖像進行融合。該方法,通過學(xué)習(xí)一組不同分辨率的關(guān)聯(lián)雙字典分別對不同分辨率的圖像進行稀疏編碼,獲得維度相同的稀疏系數(shù);并對此稀疏系數(shù)進行融合,以高分辨率字典進行還原以獲得最終圖像融合的結(jié)果,從而達到對不同分辨率圖像融合的目的。在字典學(xué)習(xí)中,本文采用雙字典共同學(xué)習(xí)方程,對高、低分辨率圖像塊進行關(guān)聯(lián)學(xué)習(xí)的方法獲得關(guān)聯(lián)的高低分辨率字典。在融合框架中,本文采用高斯濾波器,將圖像分為高頻、低頻部分,進行稀疏編碼并采用不同的系數(shù)融合方法對其進行融合,以獲得細節(jié)更為豐富的多分辨率融合圖像。通過實驗,此方法的有效性得到了驗證。為提升多模態(tài)多分辨率圖像融合的效果,本文提出一種基于低秩稀疏分解的多模態(tài)多分辨率圖像融合方法。本文在字典學(xué)習(xí)過程中,對訓(xùn)練樣本進行稀疏低秩分解,分別訓(xùn)練稀疏與低秩部分對應(yīng)關(guān)聯(lián)雙字典組。在獲得這兩組字典后,本文提出一個字典組優(yōu)化方程,使得稀疏部分對應(yīng)的字典組與低秩部分對應(yīng)的字典組能夠分別對融合源圖像的稀疏與低秩進行更好的表達,從而改善稀疏表示的效果。在圖像融合的過程中,采用低秩稀疏分解對待融合圖像進行分解,將其分解為稀疏部分與低秩部分并采用優(yōu)化后的低秩與稀疏部分對應(yīng)的字典組合進行稀疏編碼;并采用不同的系數(shù)融合方法分別對圖像稀疏與低秩部分編碼得到的稀疏系數(shù)進行融合。實驗證明,此方法不但可避免融合圖像低頻部分系數(shù)融合的誤選的問題,還可以提高圖像細節(jié)的效果。提出一種根據(jù)圖像塊進行幾何分類結(jié)果的字典學(xué)習(xí)算法來獲得一個信息量較豐富,且緊致的字典。此算法根據(jù)圖像分塊的幾何性質(zhì),對圖像塊進行分類。將圖像塊分為平滑圖像塊、有向圖像塊與隨機圖像塊,并對每個圖像塊類別學(xué)習(xí)一個子字典以保證字典信息的充分程度。對于各個類別的圖像塊,本文采用PCA分析獲得每個圖像塊類的PCA基作為子字典并組合成為字典。由于PCA基很大程度上以減小了冗余的信息,使用PCA基組成的字典更為緊致。實驗證明,本文提出的字典學(xué)習(xí)算法不但可以減少運算的時間,同時還能提高融合的效果。
[Abstract]:......
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【引證文獻】

相關(guān)碩士學(xué)位論文 前2條

1 邱紅梅;基于視覺底層特征和多尺度分析的圖像融合研究[D];昆明理工大學(xué);2017年

2 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

，

本文編號：1752940