基于稀疏表示的圖像融合方法研究.pdf

1、圖像融合技術(shù)將同一場(chǎng)景的圖像融合為一幅圖像，很好地解決了圖像之間信息的互補(bǔ)性和冗余性，從而能更好地描述目標(biāo)或場(chǎng)景。圖像融合主要包括特征提取、對(duì)提取的特征進(jìn)行融合和重構(gòu)得到融合后的圖像。由于稀疏表示能盡可能的用少量的原子表示信號(hào)，較好地提取出信號(hào)的主要特征，本文從稀疏表示理論出發(fā)，針對(duì)圖像融合的問題，對(duì)基于稀疏表示的圖像融合算法進(jìn)行了深入的探索和研究。
　　由于基于學(xué)習(xí)或訓(xùn)練得到的字典能對(duì)圖像進(jìn)行自適應(yīng)地稀疏表示，本文對(duì)基于MOD(

2、Method of Optimal Directions)和K-SVD字典訓(xùn)練算法做了分析和討論，并將其應(yīng)用到圖像融合中。同時(shí)，稀疏自編碼網(wǎng)絡(luò)(Sparse Auto-Encoder，SAE)可以較好地對(duì)圖像進(jìn)行稀疏表示，并已被廣泛地應(yīng)用于圖像處理領(lǐng)域，本文研究了基于SAE的圖像融合算法。利用SAE訓(xùn)練得到過完備字典，然后對(duì)待融合圖像進(jìn)行稀疏表示，最后融合稀疏系數(shù)并重構(gòu)得到融合圖像。本文分別對(duì)以上三種基于字典訓(xùn)練的圖像融合算法做了仿真實(shí)

3、驗(yàn)，并比較和分析了三種算法的優(yōu)劣性。
　　其次，考慮到自然圖像往往由多種成分組成，本文研究了一種基于圖像卡通紋理稀疏分解的圖像融合算法。本文首先利用稀疏表示模型，采用 MCA-TV(Morphological Component Analysis with Total Variation)算法，將待融合圖像通過Curvelet變換和局部DCT(Discrete Cosine Transform)變換得到卡通分量和紋理分量以及其對(duì)應(yīng)

4、的稀疏系數(shù)，然后分別采用不同的融合規(guī)則對(duì)得到的卡通分量稀疏系數(shù)和紋理分量稀疏系數(shù)進(jìn)行融合并逆變換得到融合后的卡通分量和紋理分量，最后將兩者疊加得到最終融合圖像。同時(shí)，為了驗(yàn)證本文所研究的基于圖像卡通紋理稀疏分解的圖像融合算法的性能，本文分別用CT(Computed Tomography)和MRI(Magnetic Resonance Imaging)、紅外和可見光以及多聚焦圖像進(jìn)行了仿真實(shí)驗(yàn)，并與現(xiàn)有的幾種主流的融合算法進(jìn)行了分析與比較