收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于循环引导滤波器和稀疏表示的图像融合算法研究

王成俊  
【摘要】:近年来随着传感器成像技术的快速发展,成像质量不断提高。不同成像传感器对目标特征的兴趣点有所不同,为了得到目标特征更加全面的表达,多传感器图像融合得到了快速发展。多传感器图像融合可以克服单个传感器提供信息不足的缺点,通过将单传感器的优势信息进行互补,融合得到一幅信息更丰富、内容更全面的高质量图像。多尺度变换能够较好地提取源图像中的结构信息,稀疏表示可以获得源图像的稀疏降维表示。基于此,本文结合多尺度变换和稀疏表示的各自特点,研究多传感器的图像融合。论文主要工作如下:1.论文简要介绍了图像融合的背景、意义和研究现状,以及在像素级进行融合的变换域算法如多尺度变换算法和稀疏表示算法。详细介绍了循环引导滤波器和稀疏表示的相关理论知识,给出了图像质量评价的方法和几个常用客观评价指标的原理。2.论文在多尺度引导滤波图像融合的基础上,提出了多尺度循环引导滤波图像融合算法。迭代使用循环引导滤波器实现图像的多尺度变换,通过实验验证了所提算法的有效性。3.论文在多尺度循环引导滤波图像融合的基础上,结合稀疏表示对图像的稀疏表达特性,提出了基于循环引导滤波器和稀疏表示的图像融合算法。首先,利用循环引导滤波器对字典训练样本集进行两层分解,得到一个低频近似分量样本集和两个高频细节分量样本集,对源图像进行同样的两层分解。其次,利用K-SVD算法对两个高频细节分量样本集分别训练字典,并利用所训练字典求解源图像两个高频细节分量的稀疏系数。再次,对源图像的不同尺度分量分别设计融合规则,低频近似分量采取基于图像显著性的加权平均融合规则;高频细节分量通过对稀疏系数进行L1范数取大,并与训练字典重构得到高频细节分量的融合图像。最后,对融合后的低频近似分量图像与两个高频细节分量图像进行多尺度逆变换得到融合图像。通过实验从主观视觉效果和客观评价指标两方面进行分析,本文提出的算法具有更好的融合效果。


知网文化
【相似文献】
中国期刊全文数据库 前14条
1 李霞;陈军翰;王艺达;;稀疏表示下的超声信号处理研究及应用[J];新型工业化;2020年06期
2 Fang LI;Jia SHENG;San-yuan ZHANG;;基于稀疏表示的拉普拉斯稀疏字典图像分类(英文)[J];Frontiers of Information Technology & Electronic Engineering;2017年11期
3 刘嘎琼;;改进稀疏表示的人脸识别在高校管理中的应用[J];计算机与数字工程;2018年11期
4 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
5 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
6 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
7 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
8 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
9 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
10 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
11 曹义亲;杨世超;;基于卷积稀疏表示的图像融合方法[J];导航与控制;2020年02期
12 陈凯旋;吴小俊;;基于对称正定流形潜在稀疏表示分类算法[J];软件学报;2020年08期
13 甘乐;;高光谱遥感影像稀疏表示与字典学习分类研究[J];地理与地理信息科学;2019年01期
14 李清泉;王欢;;基于稀疏表示理论的优化算法综述[J];测绘地理信息;2019年04期
中国重要会议论文全文数据库 前20条
1 徐浚之;赵俊潇;侯磊;梁廷伟;;基于SWOMP算法的轴承-转子系统故障特征提取[A];第十四届全国振动理论及应用学术会议(NVTA2021)摘要集[C];2021年
2 阮倩倩;曾定坤;杨讷;曹亚萍;;基于稀疏表示的图像超分辨率重建[A];中国航天电子技术研究院科学技术委员会2020年学术年会论文集[C];2020年
3 张旭东;闫家传;;一种图正规则化低秩恢复稀疏表示的人脸识别方法[A];2020中国系统仿真与虚拟现实技术高层论坛论文集[C];2020年
4 卢本卓;刘田田;桂升;白石阳;陈旻昕;;分子几何研究[A];2019中国化学会第十五届全国计算(机)化学学术会议论文集[C];2019年
5 贺东宣;李勇;马泽川;陈杰;陈力鑫;;基于字典优化学习的地震去噪研究[A];2020年中国地球科学联合学术年会论文集(二十四)—专题七十:测试新技术及其地质应用、专题七十一:地质大数据、机器学习与人工智能算法应用、专题七十二:地球生物学[C];2020年
6 张建强;刘维涓;侯英;;基于稀疏表示分类和近红外光谱的烟叶自动分级研究[A];第二十届全国分子光谱学学术会议暨2018年光谱年会论文集[C];2018年
7 张旭东;闫家传;;一种图正规则化低秩恢复稀疏表示的人脸识别方法[A];2019中国系统仿真与虚拟现实技术高层论坛论文集[C];2019年
8 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
9 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
10 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
11 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
12 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
13 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
14 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
15 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
16 杜兰;李晨;孙永光;;基于联合动态稀疏表示的SAR自动目标识别[A];第五届高分辨率对地观测学术年会论文集[C];2018年
17 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
18 唐欢欢;毛伟建;杜蒙;;基于不同稀疏表示的压缩感知地震数据重建效果分析[A];中国石油学会2019年物探技术研讨会论文集[C];2019年
19 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
20 赖宗英;屈小波;刘运松;郭迪;叶婧;占志芳;陈忠;;基于全局相似关系的压缩感知MRI稀疏重建[A];第十八届全国波谱学学术年会论文集[C];2014年
中国博士学位论文全文数据库 前20条
1 张永强;基于稀疏表示和级联回归的面部动作捕捉技术研究[D];哈尔滨工业大学;2018年
2 商琨;稀疏、低秩表示学习模型与相关方法研究[D];天津大学;2017年
3 杨红红;稀疏表示及多示例跟踪算法研究及其在视频监控中的应用[D];西北工业大学;2018年
4 樊晓宇;基于自适应稀疏表示的压缩感知MRI算法研究[D];燕山大学;2019年
5 范长德;基于稀疏表示模型的行为识别研究[D];燕山大学;2019年
6 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
7 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
8 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
9 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
10 吴晓欢;基于稀疏表示的波达方向估计理论与方法研究[D];南京邮电大学;2017年
11 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
12 王晓阳;基于稀疏动态反演的红外弱小目标检测理论及方法研究[D];电子科技大学;2018年
13 孔波;基于稀疏和张量表示的通信雷达融合系统目标参数估计方法研究[D];南昌大学;2019年
14 王蒙;联合多重字典结合扩展稀疏表示的非约束人脸识别研究[D];燕山大学;2018年
15 刘晶晶;基于稀疏表示及字典学习的人脸检测与识别方法[D];上海大学;2018年
16 邱虹;压缩感知理论研究及其应用[D];浙江工业大学;2018年
17 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
18 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
19 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
20 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
中国硕士学位论文全文数据库 前20条
1 田晨曦;稀疏表示分类的模型、量化指标体系及应用[D];河南大学;2019年
2 韩青云;基于稀疏表示的DAS数据降噪方法研究[D];电子科技大学;2019年
3 周艳发;基于稀疏表示的高光谱图像分类方法研究[D];重庆邮电大学;2018年
4 孙磊;基于特征表示和反投影稀疏表示分类的临床医学数据分析[D];河南大学;2019年
5 许晓帆;基于边缘保持滤波器与稀疏表示的多模态医学图像融合方法研究[D];重庆邮电大学;2018年
6 韩征彬;智能视频监控系统中的人群异常行为检测算法研究[D];长春理工大学;2019年
7 丁婷婷;稀疏表示图像分类算法研究[D];云南大学;2018年
8 张伟东;基于稀疏表示的目标追踪算法研究[D];中国计量大学;2018年
9 孙恬恬;基于回归和稀疏表示的图像超分辨率重建算法研究[D];中国计量大学;2018年
10 罗宵晗;基于稀疏表示的人脸识别方法研究[D];杭州电子科技大学;2019年
11 张晗;基于原子空间梯度的稀疏表示图像融合[D];天津师范大学;2019年
12 薛斌;基于稀疏表示的在线目标跟踪算法研究[D];重庆邮电大学;2018年
13 孙永聪;基于稀疏表示的跨模态检索[D];重庆邮电大学;2018年
14 董博翔;基于一致性稀疏表示的人脸识别算法研究[D];重庆邮电大学;2018年
15 胡静;基于稀疏表示与低秩恢复的遮挡人脸识别方法研究[D];重庆邮电大学;2019年
16 张尧;基于改进的时空上下文目标跟踪算法研究[D];长春理工大学;2019年
17 吴琳;稀疏表示模型及在地化数据降噪中的应用[D];成都理工大学;2019年
18 万东燕;基于稀疏表示的导波缺陷信号的特征提取及缺陷分类研究[D];江苏大学;2019年
19 张雁峰;基于稀疏表示的惯性约束聚变辐射对称性高效分析算法[D];广东工业大学;2019年
20 郑雨佳;利用稀疏表示方法对图像进行去雾超分辨[D];浙江海洋大学;2019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