已閱讀1頁,還剩62頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、近年來,圖像融合已經(jīng)成為圖像處理和計算機視覺領(lǐng)域中一項重要的技術(shù)。所謂圖像融合是指將多源信道上得到的多幅關(guān)于同一對象或區(qū)域的圖像數(shù)據(jù),利用圖像處理及相關(guān)的計算機視覺處理技術(shù),最佳地提取各個信道中重要的互補信息,最終得到一幅融合了各個信道重要信息的高質(zhì)量圖像,融合后的圖像對信息的描述更加全面、準(zhǔn)確和詳細(xì)。
圖像表示是圖像處理的前提,它是圖像處理領(lǐng)域的基本問題。圖像表示的有效性是指利用較少的數(shù)據(jù)對圖像中的重要信息的捕獲能力,即稀疏
2、表示。稀疏性很早就被應(yīng)用于信號處理和逼近理論中的圖像壓縮、去噪和融合問題。圖像一般自身并不稀疏,但其在某個基或框架下有稀疏表示。多尺度小波變換給出了自然圖像的近稀疏表示,從而在圖像融合中也有大量的應(yīng)用。
與多尺度小波變換相比,超完備字典對圖像具有更加稀疏的表示,故本文提出了一種基于超完備字典稀疏表示的圖像融合算法。該算法首先對待融合的圖像進(jìn)行了分塊處理,并考慮了待融合圖像的互補性,設(shè)計了一種新的融合規(guī)則。該融合規(guī)則能保證融合后
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于過完備字典與稀疏表示的多聚焦圖像融合研究.pdf
- 基于字典學(xué)習(xí)和稀疏表示的圖像融合方法.pdf
- 基于稀疏表示和超完備字典的WMSN視頻圖像去噪算法研究.pdf
- 基于過完備字典表示的稀疏分解算法研究.pdf
- 基于稀疏字典學(xué)習(xí)和核稀疏表示的圖像超分辨率重建.pdf
- 基于冗余字典的圖像稀疏表示研究.pdf
- 基于稀疏表示與字典訓(xùn)練的含噪圖像超分辨重建方法.pdf
- 基于超完備圖像稀疏表示的自適應(yīng)紅外小目標(biāo)檢測算法.pdf
- 基于冗余字典和稀疏表示的衛(wèi)星圖像超分辨率重建.pdf
- 基于稀疏表示的多成分字典超分辨率圖像重建的研究.pdf
- 基于字典學(xué)習(xí)和稀疏表示的超分辨率圖像復(fù)原方法研究.pdf
- 基于雙字典學(xué)習(xí)和稀疏表示模型的圖像超分辨率重建.pdf
- 基于單字典稀疏表示的圖像超分辨率重建技術(shù)研究.pdf
- 基于稀疏表示的圖像融合方法研究.pdf
- 基于稀疏表示與字典學(xué)習(xí)的極化sar圖像壓縮
- 基于稀疏表示與字典學(xué)習(xí)的極化SAR圖像壓縮.pdf
- 基于稀疏表示的圖像融合算法.pdf
- 視覺超完備拓?fù)浔硎镜南∈杈幋a計算模型.pdf
- 基于稀疏表示和字典學(xué)習(xí)的圖像去噪研究.pdf
- 基于多字典和稀疏表示的圖像去噪方法.pdf
評論
0/150
提交評論