基于字典學習和稀疏表示的圖像融合方法.pdf

1、隨著多傳感器技術的發(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。圖像融合技術能夠有效地綜合不同傳感器的信息，逐漸成為計算機視覺與圖像處理的重要手段。現(xiàn)今圖像融合技術已廣泛應用于醫(yī)學、遙感、工業(yè)、交通、軍事等領域中，對國防事業(yè)的建設以及國民經(jīng)濟的發(fā)展均具有深遠的意義，是圖像信息進行綜合處理的重要技術。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，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，但相關的應用研究依然存在問題需要解決。本文針對其中的一些問題進行了研究和改進，其主要內(nèi)容如下：
　　1.闡述了圖像融合的理論及應用，介紹了圖像融合算法的研究現(xiàn)狀，重點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，本文對基于稀疏表示的圖像融合算法進行了重點研究。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，并詳細說明了基于稀疏表示的圖像融合算法的實現(xiàn)。
　　2.針對Yang的基于壓縮感知的圖像融合(CS)算法存在時間復雜度高的問題，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。該方法按照圖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)和細節(jié)結(jié)構(gòu)，然后對子塊進行分類融合。相似結(jié)構(gòu)直接放入融合圖像的對應位置，平滑結(jié)構(gòu)選用線性加權(quán)算法進行融合，細節(jié)結(jié)構(gòu)選用稀疏算法進行融合，從而減少稀疏編碼的子塊數(shù)。實驗結(jié)果表明該方法在確保融合圖像性能指標均優(yōu)的的情況下，有效縮短了運算時間。
　　3.針對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。該方法按照圖像的幾何結(jié)構(gòu)特性將子塊