基于稀疏表示的像素級(jí)圖像融合方法研究.pdf

1、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(bǔ)關(guān)系。相同圖像傳感器由于參數(shù)、焦距設(shè)置不同，對(duì)于同一目標(biāo)或背景所獲得的信息也存在互補(bǔ)與差異。圖像融合技術(shù)通過對(duì)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(jìn)行綜合，從而提升圖像的信息利用率，增強(qiáng)圖像的視覺效果；為后續(xù)的人體視覺觀察與計(jì)算機(jī)處理與檢測(cè)打下堅(jiān)實(shí)的基礎(chǔ)。如今，圖像融合技術(shù)已被大量應(yīng)用于光場(chǎng)照相機(jī)、遙感測(cè)繪、導(dǎo)航制導(dǎo)、醫(yī)學(xué)診斷等領(lǐng)域。
　　近年

2、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(xì)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(duì)其進(jìn)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

3、。本文根據(jù)像素點(diǎn)間可控核回歸特征的距離，對(duì)圖像中的像素點(diǎn)進(jìn)行局部密度峰值聚類，獲得像素點(diǎn)簇。對(duì)每個(gè)像素點(diǎn)簇進(jìn)行PCA分析，使用PCA基構(gòu)成緊致的對(duì)各個(gè)簇進(jìn)行表示的子字典。并通過每個(gè)簇的子字典，構(gòu)成一個(gè)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(duì)圖像進(jìn)行分解，對(duì)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(duì)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

4、Max-L1的算法以得到細(xì)節(jié)更準(zhǔn)確的紋理部分融合圖像。經(jīng)過實(shí)驗(yàn)，也證明了本文提出方法相對(duì)于主流圖像方法具有優(yōu)勢(shì)。
　　為解決稀疏表示中，不同分辨率的圖像，無法采用一個(gè)相同的字典進(jìn)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(jìn)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(duì)不同分辨率的圖像進(jìn)行稀疏編碼，獲得維度相同的稀疏系數(shù)；并對(duì)此稀疏系數(shù)進(jìn)行融合，以高分辨率字典進(jìn)行還原以獲得最終圖像融合的結(jié)果，從而達(dá)到對(duì)不

5、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(duì)高、低分辨率圖像塊進(jìn)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(jìn)行稀疏編碼并采用不同的系數(shù)融合方法對(duì)其進(jìn)行融合，以獲得細(xì)節(jié)更為豐富的多分辨率融合圖像。通過實(shí)驗(yàn)，此方法的有效性得到了驗(yàn)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

6、，對(duì)訓(xùn)練樣本進(jìn)行稀疏低秩分解，分別訓(xùn)練稀疏與低秩部分對(duì)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(gè)字典組優(yōu)化方程，使得稀疏部分對(duì)應(yīng)的字典組與低秩部分對(duì)應(yīng)的字典組能夠分別對(duì)融合源圖像的稀疏與低秩進(jìn)行更好的表達(dá)，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(duì)待融合圖像進(jìn)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(duì)應(yīng)的字典組合進(jìn)行稀疏編碼；并采用不同的系數(shù)融合方法分別對(duì)圖像稀疏與低秩部分編碼得到的稀疏

7、系數(shù)進(jìn)行融合。實(shí)驗(yàn)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(xì)節(jié)的效果。
　　提出一種根據(jù)圖像塊進(jìn)行幾何分類結(jié)果的字典學(xué)習(xí)算法來獲得一個(gè)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(duì)圖像塊進(jìn)行分類。將圖像塊分為平滑圖像塊、有向圖像塊與隨機(jī)圖像塊，并對(duì)每個(gè)圖像塊類別學(xué)習(xí)一個(gè)子字典以保證字典信息的充分程度。對(duì)于各個(gè)類別的圖像塊，本文采用PCA分析獲得每個(gè)圖像塊類的PCA基作為子字典并組合成