收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于多尺度变换和稀疏表示的多源图像融合算法研究

张宝华  
【摘要】:图像融合利用特定数据处理手段和融合规则提取多源图像的互补信息并进行综合表示,实现对观察对象更为全面、具体的精确表达。融合图像比源图像分辨率更高、信息集聚度更强,其提供的丰富特征信息有利于后续的检测识别与目标跟踪,减少决策过程中的不确定因素,融合系统具有良好的应用前景。在分析目前多源图像融合方法不足的基础上,本文围绕准确定位并有效提取源图像的清晰区域这一关键步骤,在多尺度变换域和稀疏域中针对多源图像融合算法展开了深入研究,主要研究内容如下:1、针对红外目标与背景界限模糊、红外目标不突出的问题,提出基于非下采样Shearlet变换和稀疏重构的红外和可见光图像融合算法。该算法结合基于超像素分割的显著性分析方法提取目标区域的轮廓,再通过多方向边缘检测算子精确定位目标区域的边界,最后利用形态学方法和自适应阈值分割方法去除伪聚焦区域并确定融合决策图。该算法能够准确定位红外图像中的目标区域,融合图像既突出显示了目标区域又保留了背景区域的丰富细节信息。2、针对多聚焦图像清晰测度选择困难、聚焦区域定位精度差的问题,提出基于非下采样Shearlet变换和显著性分析的多聚焦图像融合算法。首先利用人眼视觉机制,通过显著性分析搜索聚焦区域边界,消除原聚焦区域的虚假轮廓,再利用空间频率图作为约束条件,结合分水岭算法消除伪聚焦区域,实现对聚焦区域的精确分割。该方法提升了融合图像的清晰度,较好地抑制了伪影干扰。3、针对红外目标边缘受噪声干扰严重、弱边缘提取困难的问题,提出一种基于核密度估计聚类和稀疏表示的图像融合算法。通过区域统计特性和核密度估计聚类方法在红外图像中精确分离目标区域;在此基础上,利用K-SVD算法得到图像背景区域的稀疏表示,增强了对背景细节表征能力,改善了弱边缘提取效果,抑制了噪声对融合图像的影响,融合效果也优于其他方法。4、传统的基于多分辨分析的图像融合方法易引入人工副效应,导致融合图像边缘模糊或出现伪影。为了解决上述问题,提出了基于稀疏分解和背景差分的融合方法。通过鲁棒主成分分析提取多聚焦图像的轮廓信息,再利用引导滤波区分处理背景和目标区域的特性,即在平滑背景区域同时较好地保存细节信息,得到增强图像,最后根据源图像与增强图像的差分图提取目标区域的轮廓信息,通过其空间频率图定位聚焦区域,确定精确的融合决策图。实验表明,上述融合方法具有明显的优越性,融合效果显著提高,主观和客观评价均表明本文融合方法性能明显优于经典方法。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
2 赵瑞珍;王飞;罗阿理;张彦霞;;基于稀疏表示的谱线自动提取方法[J];光谱学与光谱分析;2009年07期
3 杨蜀秦;宁纪锋;何东健;;基于稀疏表示的大米品种识别[J];农业工程学报;2011年03期
4 史加荣;杨威;魏宗田;;基于非负稀疏表示的人脸识别[J];计算机工程与设计;2012年05期
5 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期
6 朱杰;杨万扣;唐振民;;基于字典学习的核稀疏表示人脸识别方法[J];模式识别与人工智能;2012年05期
7 耿耀君;张军英;袁细国;;一种基于稀疏表示系数的特征相关性测度[J];模式识别与人工智能;2013年01期
8 张疆勤;廖海斌;李原;;基于因子分析与稀疏表示的多姿态人脸识别[J];计算机工程与应用;2013年05期
9 李正周;王会改;刘梅;丁浩;金钢;;基于形态成分稀疏表示的红外小弱目标检测[J];弹箭与制导学报;2013年04期
10 胡正平;赵淑欢;李静;;基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法研究[J];模式识别与人工智能;2014年01期
11 陈思宝;赵令;罗斌;;局部保持的稀疏表示字典学习[J];华南理工大学学报(自然科学版);2014年01期
12 王铿;张重阳;齐朗晔;;基于核距离的稀疏表示的交通标识识别[J];计算机应用与软件;2014年03期
13 单建华;张晓飞;;稀疏表示人脸识别的关键问题分析[J];安徽工业大学学报(自然科学版);2014年02期
14 栾悉道;王卫威;谢毓湘;张芯;李琛;;非线性稀疏表示理论及其应用[J];计算机科学;2014年08期
15 杨荣根;任明武;杨静宇;;基于稀疏表示的人脸识别方法[J];计算机科学;2010年09期
16 郑轶;蔡体健;;稀疏表示的人脸识别及其优化算法[J];华东交通大学学报;2012年01期
17 段菲;章毓晋;;一种面向稀疏表示的最大间隔字典学习算法[J];清华大学学报(自然科学版);2012年04期
18 李仲生;李仁发;蔡则苏;赵乘麟;;稀疏表示下的非监督显著对象提取[J];电子学报;2012年06期
19 段菲;章毓晋;;基于多尺度稀疏表示的场景分类[J];计算机应用研究;2012年10期
20 胡正平;李静;白洋;;基于样本-扩展差分模板的联合双稀疏表示人脸识别[J];信号处理;2012年12期
中国重要会议论文全文数据库 前3条
1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集(上册)[C];2013年
2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年
中国博士学位论文全文数据库 前10条
1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年
2 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年
3 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年
4 黄国华;蛋白质翻译后修饰位点与药物适应症预测方法研究[D];上海大学;2015年
5 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年
6 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年
7 解虎;高维小样本阵列自适应信号处理方法研究[D];西安电子科技大学;2015年
8 秦振涛;基于稀疏表示及字典学习遥感图像处理关键技术研究[D];成都理工大学;2015年
9 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年
10 孙乐;空谱联合先验的高光谱图像解混与分类方法[D];南京理工大学;2014年
中国硕士学位论文全文数据库 前10条
1 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年
2 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年
3 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年
4 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年
5 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年
6 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年
7 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年
8 梁晓捷;基于网络摄像头与稀疏表示分类法的实时人脸识别系统应用研究[D];五邑大学;2015年
9 张宏乐;语音信号稀疏表示方法研究[D];太原理工大学;2016年
10 郭欣;基于K-SVD稀疏表示的语音增强算法研究[D];太原理工大学;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978