收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于稀疏表示的图像融合算法

张佳娥  
【摘要】:近年来,传感器开始运用在实际生活中的许多地方,图像信息的获得也就变得更加的简单。针对同一个场景中包含的信息,不同的传感器会存在不同的拍摄模式。从而使得信息的着重点不一致。为了完善信息,图像融合技术能够结合不同的着重点,因此得到广泛应用。遥感卫星的相继升空促使人们能够获得多空间、多光谱及时间分辨率的同场景图像信息。然而由于传感器自身设计的限制,往往在满足高频谱分辨率的情况下,就无法得到高空间分辨率。图像融合技术的出现解决这一难题,它能将两幅图像的优势结合在一起,从而获取高频谱分辨率和高空间分辨率。跟已有的遥感图像融合技术对比,基于稀疏表示的遥感图像融合技术拥有其强大的自适应性,较好的保存结构信息和光谱信息等整体信息,因而引起了许多学者的关注。本文针对遥感图像融合算法进行深入研究,针对低分辨率多光谱图像和高分辨率全色图像的融合算法提出一系列的改进。两者的融合效果需要达到的目标是:保证光谱信息的完整保留同时获得一定的空间分辨率的提高。具体的工作内容如下:(1)引导滤波是以局部线性模型为基础,选定合适的导向图像,导向图像中的像素值,亮度和颜色都将作为被滤波图像的模板。根据与模板之间的相似度,计算领域像素对定点像素的影响,在定点像素上自适应生成滤波核。在融合阶段初期,采用引导滤波的拟合方式可以促使亮度图和全色图之间的差异变小,为后期的融合效果做到铺垫。稀疏表示模型引入图像融合框架中保留了图像的结构信息以及通过字典学习针对相关性进行处理同时还能达到去噪的效果。论文结合两种算法的优点,提出了基于引导滤波的遥感图像稀疏融合算法,选择低分辨率多光谱图像和高分辨率全色图像作为融合素材,最终融合成为高分辨率多光谱图像。最开始,将IHS(Intensity,Hue,Saturation)变换作用在多光谱图像上,其次以全色图像为导向模板图,对IHS分解出的亮度部分进行引导滤波。根据处理后的亮度图和全色图的特点,分别进行自适应字典训练,得到两个不同的稀疏表示系数。融合规则以图像活跃度较大的稀疏表示系数为最终融合后的系数。(2)前期在对遥感融合框架有了初步的基础以后,进行深度挖掘,尝试加入多尺度变换到现有的遥感融合模型中。在IHS分解和引导滤波拟合处理完全之后,选择了将shearlet变换放入整体框架中,替换掉原有的图像整体融合,这次使用shearlet变换作用在两幅需要处理的图像中,分别将他们分离成两种子带系数:高频子带系数和低频子带系数。低频子带系数采用稀疏表示的方法进行稀疏系数融合,高频子带系数利用区域方程和区域能量相结合的方法进行融合。改进之后的融合算法进一步提升了融合效果。更好的实现了目标。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 余庆辉;朱晗琰;吴海霞;戈晓玲;潘逸炜;;基于类内稀疏表示的人脸识别[J];科技展望;2015年32期
2 滕升华;商胜楠;王芳;赵增顺;;一种基于复合稀疏表示的阿尔茨海默病的诊断方法[J];生物医学工程研究;2016年01期
3 黄宏图;毕笃彦;高山;查宇飞;侯志强;;基于局部敏感核稀疏表示的视频跟踪[J];电子与信息学报;2016年04期
4 张保庆;穆志纯;曾慧;;基于非负稀疏表示的遮挡人耳识别[J];计算机辅助设计与图形学学报;2014年08期
5 张石清;赵小明;楼宋江;闯跃龙;郭文平;陈盈;;一种局部敏感的核稀疏表示分类算法[J];光电子.激光;2014年09期
6 陈思宝;许立仙;罗斌;;基于多重核的稀疏表示分类[J];电子学报;2014年09期
7 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
8 韦道知;黄树彩;赵岩;庞策;;非负谱稀疏表示的高光谱成像中的异常检测[J];红外与激光工程;2016年S2期
9 王科平;杨赞亚;恩德;;基于分类冗余字典稀疏表示的图像压缩方法[J];计算机工程;2017年09期
10 王学军;王文剑;曹飞龙;;基于自步学习的加权稀疏表示人脸识别方法[J];计算机应用;2017年11期
11 黄少煌;黄立勤;;改进的两阶段协作稀疏表示分类器[J];南阳理工学院学报;2016年02期
12 胡正平;高红霄;赵淑欢;;基于低秩分解的联合动态稀疏表示多观测样本分类算法[J];电子学报;2015年03期
13 朱明旱;李树涛;叶华;;稀疏表示分类中遮挡字典构造方法的改进[J];计算机辅助设计与图形学学报;2014年11期
14 徐广飞;;一种新的稀疏表示分类方法及其在图像识别中的应用[J];无线互联科技;2013年06期
15 程文波;王华军;;信号稀疏表示的研究及应用[J];西南石油大学学报(自然科学版);2008年05期
16 周颖;符冉迪;颜文;周峰;金炜;;基于结构组稀疏表示的红外云图超分辨率方法[J];光电工程;2016年12期
中国重要会议论文全文数据库 前10条
1 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
2 杨宝;朱启兵;黄敏;;基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别[A];第24届中国控制与决策会议论文集[C];2012年
3 田野;张立新;严涛;杨志梅;张茁;;基于稀疏表示的北斗导航卫星预失真滤波器设计方法[A];第九届中国卫星导航学术年会论文集——S08 测试评估技术[C];2018年
4 肖琼;黄永言;;稀疏表示在脑电信号处理中的应用研究现状[A];人-机-环境系统工程创立30周年纪念大会暨第十一届人-机-环境系统工程大会论文集[C];2011年
5 赵雪峰;孙成禹;;基于稀疏表示的地震多属性融合[A];2016中国地球科学联合学术年会论文集(十九)——专题40:油气田与煤田地球物理勘探[C];2016年
6 廖佳俊;刘志刚;蔡尚;姜江军;;基于非负—平滑约束的高光谱稀疏表示目标检测算法研究[A];国家安全地球物理丛书(十二)——地球物理与信息感知[C];2016年
7 蒙红英;柴昱洲;韩宇;;一种基于稀疏表示的JPEG-LS改进算法[A];第四届高分辨率对地观测学术年会论文集[C];2017年
8 柴汉超;郭翌;汪源源;曹万里;孙福康;;基于多尺度稀疏表示分割肾上腺肿瘤CT图像[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
9 余力;郭翌;汪源源;陈萍;;基于超声心动图序列的胎儿左心室分割[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
10 林哲;闫敬文;袁野;;基于稀疏表示和PCNN的多模态图像融合[A];创新驱动与转型发展,推动汕头腾飞——汕头市科协第七届学术年会优秀论文集[C];2014年
中国博士学位论文全文数据库 前10条
1 王秀红;基于稀疏表示的波达方向估计方法研究[D];哈尔滨工业大学;2017年
2 张岩;基于稀疏表示的油气地震勘探数据重建与去噪方法研究[D];东北石油大学;2018年
3 程增飞;基于压缩感知的阵列信号处理技术研究[D];西安电子科技大学;2017年
4 赵永红;基于稀疏表示的阵列信号空间谱估计方法研究[D];西安电子科技大学;2017年
5 任博;基于稀疏表示和流形学习的SAR图像分类算法研究[D];西安电子科技大学;2017年
6 王伟;基于帧级和段级稀疏表示的说话人识别研究[D];哈尔滨工业大学;2016年
7 涂淑琴;基于稀疏表示的RGB-D图像特征学习研究与应用[D];华南农业大学;2016年
8 李窦哲;基于L-DACS1数据链的航空电信网协同传输关键技术研究[D];天津大学;2017年
9 石保顺;基于自适应稀疏表示的压缩感知及相位恢复算法研究[D];燕山大学;2017年
10 刘梓;基于稀疏表示与鉴别分析算法的人脸图像分类研究[D];南京理工大学;2016年
中国硕士学位论文全文数据库 前10条
1 徐琴;基于压缩感知的交通标志识别[D];长安大学;2018年
2 阚丹会;基于结构稀疏的影像遗传学数据关联分析[D];长安大学;2018年
3 孟美玲;基于稀疏表示的高光谱图像目标检测研究[D];哈尔滨工程大学;2018年
4 王艳然;基于稀疏表示的遥感目标分类识别研究[D];长沙理工大学;2017年
5 张佳娥;基于稀疏表示的图像融合算法[D];长沙理工大学;2017年
6 孙邱鹏;基于稀疏表示的高光谱图像异常检测算法及其优化研究[D];哈尔滨工业大学;2018年
7 杨洪刚;基于稀疏表示和压缩感知的旋转机械故障识别方法[D];华南理工大学;2018年
8 沈子钰;压缩感知在超宽带信道估计中的应用研究[D];杭州电子科技大学;2018年
9 杨世诚;基于稀疏表示的低质量人脸图像识别的研究[D];华东师范大学;2018年
10 王博;基于超像素和稀疏表示的目标跟踪研究[D];河南师范大学;2018年
中国知网广告投放
 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