-
题名卷积稀疏与细节显著图解析的图像融合
被引量：3
- 1
-
-
作者
杨培
高雷阜
訾玲玲
-
机构
辽宁工程技术大学运筹与优化研究院
辽宁工程技术大学电子与信息工程学院
-
出处
《中国图象图形学报》
CSCD
北大核心
2021年第10期2433-2449,共17页
-
基金
国家自然科学基金项目(61702241)
辽宁省自然科学基金项目(2019-ZD-0041,2020-MS-301)
辽宁省教育厅重点攻关项目(LJ2019ZL001,LJ2020ZD002)。
-
文摘
目的针对图像融合中信息量不够丰富和边缘细节模糊问题,结合多尺度分析、稀疏表示和显著性特征等图像表示方法,提出一种卷积稀疏与细节显著图解析的图像融合方法。方法首先构造一种自适应样本集,训练出契合度更高的字典滤波器组。然后将待融合图像进行多尺度分析得到高低频子图,对低频子图进行卷积稀疏表示,通过权重分析构建一种加权融合规则,得到信息量更加丰富的低频子图;对高频子图构造细节显著图,进行相似性分析,建立一种高频融合规则,得到边缘细节更加凸显的高频子图。最后进行相应逆变换得到最终图像。结果实验在随机挑选的3组灰度图像集和4组彩色图像集上进行,与具有代表性的7种融合方法进行效果对比。结果表明,本文方法的视觉效果明显较优,平均梯度上依次平均提高39.3%、32.1%、34.7%、28.3%、35.8%、28%、30.4%;在信息熵上依次平均提高6.2%、4.5%、1.9%、0.4%、1.5%、2.4%、2.9%;在空间频率上依次平均提高31.8%、25.8%、29.7%、22.2%、28.6%、22.9%、25.3%;在边缘强度上依次平均提高39.5%、32.1%、35.1%、28.8%、36.6%、28.7%、31.3%。结论本文方法在一定程度上解决了信息量不足的问题,较好地解决了图像边缘细节模糊的问题,使图像中奇异性更加明显的内容被保留下来。
-
关键词
多尺度分析
自适应样本集
卷积稀疏
细节显著图
图像融合
-
Keywords
multi-scale analysis
adaptive sample set
convolution sparsity
detail saliency map
image fusion
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
