自适应融合规则的压缩感知图像融合算法
82 浏览量
更新于2024-09-06
收藏 1.85MB PDF 举报
本文提出了一种改进的压缩感知图像融合方法,通过结合图像高频特征的自适应融合规则,解决了传统算法在处理高频分量时丢失空间信息的问题,从而提高融合图像的纹理细节和整体效果。
正文:
传统的基于压缩感知的图像融合方法在处理图像高频分量时,往往会出现空间信息的损失,仅仅依赖简单的融合规则,导致最终的融合图像在纹理细节等方面表现不佳。针对这一问题,该文提出了一种创新性的融合策略,它结合了图像的高频特征,并采用自适应融合规则来改善融合质量。
首先,新方法对需要融合的图像进行非下采样Contourlet变换(NSCT)。NSCT是一种多分辨率分析工具,可以将图像分解为多个子带系数,包括低频和高频部分。对于低频子带系数,论文采用了区域能量融合规则,这种处理方式相较于传统的低频系数处理,更有效地保留了源图像的背景信息,增强了图像的整体结构。
接下来,考虑到高频子带系数的稀疏特性,文章利用压缩感知(Compressive Sensing, CS)对其进行压缩。压缩感知是一种理论,能够在较少的观测数据下恢复信号,尤其适用于稀疏或近似稀疏的信号。通过压缩感知,可以降低数据的维度,同时保持重要的信息。在此基础上,该方法根据高频子带系数的标准差特征,自适应地选择合适的融合规则。标准差反映了各子带系数的离散程度,以此为依据的融合策略能够更好地捕捉图像的局部变化和细节。
最后,经过融合规则处理后的重构系数,再进行非下采样Contourlet逆变换,以得到最终的融合图像。实验结果证明,与传统的融合算法相比,这种方法不仅能够精确地提取红外目标,而且能够有效地保留可见光图像的细节,实现了对源图像背景信息和红外目标信息的平衡融合,显著提升了图像融合的效果和主观视觉感受。
该研究为图像融合领域提供了一种改进的解决方案,通过结合NSCT变换、压缩感知和自适应融合规则,有效地克服了传统方法的局限性,提高了图像融合的性能,特别是在保持细节和目标识别方面。这一工作对于图像处理、计算机视觉和遥感等领域具有重要的实践意义和理论价值。
952 浏览量
1103 浏览量
245 浏览量
471 浏览量
2021-08-08 上传
160 浏览量
点击了解资源详情
点击了解资源详情

weixin_38747144
- 粉丝: 4
最新资源
- Swift实现渐变圆环动画的自定义与应用
- Android绘制日历教程与源码解析
- UCLA LONI管道集成Globus插件开发指南
- 81军事网触屏版自适应HTML5手机网站模板下载
- Bugzilla4.1.2+ActivePerl完整安装包
- Symfony SonataNewsBundle:3.x版本深度解析
- PB11分布式开发简明教程指南
- 掌握SVN代码管理器,提升开发效率与版本控制
- 解决VS2010中ActiveX控件未注册的4个关键ocx文件
- 斯特里尔·梅迪卡尔开发数据跟踪Android应用
- STM32直流无刷电机控制实例源码剖析
- 海豚系统模板:高效日内交易指南
- Symfony CMF路由自动化:routing-auto-bundle的介绍与使用
- 实现仿百度下拉列表框的源码解析
- Tomcat 9.0.4版本特性解析及运行环境介绍
- 冒泡排序小程序:VC6.0实现代码解析