基于字典學(xué)習(xí)和稀疏表示的圖像融合方法.pdf

1、隨著多傳感器技術(shù)的發(fā)展，系統(tǒng)獲取到的圖像信息量越來越大，圖像的形式也變得越來越豐富。圖像融合技術(shù)能夠有效地綜合不同傳感器的信息，逐漸成為計(jì)算機(jī)視覺與圖像處理的重要手段。現(xiàn)今圖像融合技術(shù)已廣泛應(yīng)用于醫(yī)學(xué)、遙感、工業(yè)、交通、軍事等領(lǐng)域中，對(duì)國防事業(yè)的建設(shè)以及國民經(jīng)濟(jì)的發(fā)展均具有深遠(yuǎn)的意義，是圖像信息進(jìn)行綜合處理的重要技術(shù)。圖像融合常用的方法有主成分分析(PCA)變換法、小波變換法、Contourlet變換法等。但是，這些算法都存在局限性。目

2、前，基于稀疏表示的圖像融合方法成為了研究焦點(diǎn)，它能夠較好捕獲圖像的內(nèi)在結(jié)構(gòu)，有良好的融合效果，但相關(guān)的應(yīng)用研究依然存在問題需要解決。本文針對(duì)其中的一些問題進(jìn)行了研究和改進(jìn)，其主要內(nèi)容如下：
　　1.闡述了圖像融合的理論及應(yīng)用，介紹了圖像融合算法的研究現(xiàn)狀，重點(diǎn)分析了基于小波變換的圖像融合方法和基于Contourlet變換的圖像融合方法。由于基于小波變換的圖像融合對(duì)圖像中“線奇異性”問題的處理存在不足，而基于Contourlet變換

3、的圖像融合需要下采樣，容易造成圖像信息的丟失，本文對(duì)基于稀疏表示的圖像融合算法進(jìn)行了重點(diǎn)研究。分析了稀疏表示理論中稀疏編碼的正交匹配追蹤(OMP)算法，以及K-奇異值分解(K-SVD)字典構(gòu)造的具體步驟，并詳細(xì)說明了基于稀疏表示的圖像融合算法的實(shí)現(xiàn)。
　　2.針對(duì)Yang的基于壓縮感知的圖像融合(CS)算法存在時(shí)間復(fù)雜度高的問題，提出了基于圖像相似性的塊分類稀疏表示的圖像融合方法。該方法按照?qǐng)D像的相似性和局部特征將圖像子塊分為相似

4、結(jié)構(gòu)、平滑結(jié)構(gòu)和細(xì)節(jié)結(jié)構(gòu)，然后對(duì)子塊進(jìn)行分類融合。相似結(jié)構(gòu)直接放入融合圖像的對(duì)應(yīng)位置，平滑結(jié)構(gòu)選用線性加權(quán)算法進(jìn)行融合，細(xì)節(jié)結(jié)構(gòu)選用稀疏算法進(jìn)行融合，從而減少稀疏編碼的子塊數(shù)。實(shí)驗(yàn)結(jié)果表明該方法在確保融合圖像性能指標(biāo)均優(yōu)的的情況下，有效縮短了運(yùn)算時(shí)間。
　　3.針對(duì)基于圖像相似性的塊分類稀疏表示的圖像融合方法存在單一字典忽略圖像局部特征的問題，提出了一種基于圖像幾何特征分類稀疏表示的圖像融合方法。該方法按照?qǐng)D像的幾何結(jié)構(gòu)特性將子塊