基于稀疏表示的圖像融合算法.pdf

1、隨著數(shù)據(jù)信息量的增加,傳統(tǒng)的圖像融合算法已經(jīng)不能滿足圖像處理的需要,近年來,壓縮感知理論為信號的有效傳輸提供了新的思路,圖像融合充分利用了壓縮感知理論中的稀疏表示特性,取得了很好的效果,在國內(nèi)外已有了大量的研究。多聚焦圖像融合是圖像融合中的一個重要的部分,它充分地融合不同聚焦點圖像的互補(bǔ)信息,得到一幅質(zhì)量更高,對該場景描述更為準(zhǔn)確的新圖像,便于人們觀察或進(jìn)行計算機(jī)處理。
　　本文針對目前基于稀疏表示的多聚焦圖像融合算法存在的問題以

2、及不足,對算法進(jìn)行改進(jìn)與研究,主要工作如下:
　　1.研究了多聚焦圖像融合的原理與應(yīng)用,對傳統(tǒng)的圖像融合算法進(jìn)行了深入的研究,特別針對基于IHS變換、基于小波變換、基于Contourlet變換的圖像融合算法進(jìn)行分析。重點研究了稀疏表示理論中的字典的構(gòu)造和稀疏編碼,分析了K-SVD字典、稀疏分解中的OMP算法以及它們的具體步驟,并且研究了基于K-SVD字典下的稀疏表示的多聚焦圖像融合算法。
　　2.針對傳統(tǒng)的基于稀疏表示的圖像

3、融合算法存在的冗余性和殘余量丟失的問題,提出了圖像平均和殘差保留的稀疏表示的圖像融合算法,該算法通過對源圖像塊去平均后進(jìn)行稀疏分解,解決了信息冗余問題;對稀疏表示中的殘余量進(jìn)一步采用小波變換進(jìn)行融合,保證了信息的完整性,通過實驗比較驗證了其算法的有效性。
　　3.針對傳統(tǒng)的字典學(xué)習(xí)的計算速度比較慢,且忽略了圖像局部特征,影響了融合效率和質(zhì)量的問題,提出了多尺度分解的稀疏表示的圖像融合算法,充分利用小波多尺度分析較好突出圖像局部特征