基于多尺度方向引导滤波和卷积稀疏表示的红外与可见光图像融合
本文选题:图像处理 切入点:图像融合 出处:《光学学报》2017年11期
【摘要】:基于引导滤波和非下采样方向滤波器,提出了一种多尺度方向引导滤波图像融合方法,该方法兼具边缘保持特性和方向信息提取能力,能够有效提取源图像的有用信息。所提方法对源图像进行多尺度方向引导滤波,得到了包含低频近似部分和强边缘部分的低频分量,而后通过高斯低通滤波将其进行有效分离,分别应用基于卷积稀疏表示和区域能量自适应加权平均的融合规则;对高频细节方向分量应用显著性与引导滤波相结合的融合规则,以保持空间一致性,得到了相应的高频细节融合分量。结果表明,所提方法能更好地提取源图像的目标特征信息,保留丰富的背景信息,客观评价指标优于现有方法,融合结果具有更好的主观视觉效果。
[Abstract]:Based on the guided filter and the non-downsampling directional filter, a multi-scale direction-guided filtering image fusion method is proposed. This method has both edge holding characteristics and directional information extraction ability, which can effectively extract the useful information of the source image.The proposed method uses multi-scale direction-guided filtering to obtain the low-frequency components including the low-frequency approximation part and the strong edge part, and then separates them effectively by Gao Si low-pass filter.The fusion rules based on convolution sparse representation and regional energy adaptive weighted average are applied respectively, and the fusion rules combining salience with guided filtering are applied to the direction components of high frequency details to maintain spatial consistency.The corresponding high frequency detail fusion component is obtained.The results show that the proposed method can better extract the target feature information of the source image, retain abundant background information, and the objective evaluation index is better than the existing methods, and the fusion result has better subjective visual effect.
【作者单位】: 军械工程学院军械技术研究所;
【基金】:总装人才战略工程专项资助基金(ZZ[2013]714号)
【分类号】:TP391.41
【相似文献】
相关期刊论文 前10条
1 张新鹏;王朔中;;基于稀疏表示的密写编码[J];电子学报;2007年10期
2 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
3 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
4 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
5 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
6 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
7 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
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
相关会议论文 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 刘德坤;龚俊斌;马佳义;田金文;;一种车载的红外与微光图像融合系统设计[A];第九届全国光电技术学术交流会论文集(上册)[C];2010年
3 王芳;吴谨;;基于小波的图像融合算法研究[A];2011年全国通信安全学术会议论文集[C];2011年
4 杨志;毛士艺;陈炜;;基于多分辨率局部峰度熵的鲁棒图像融合算法[A];中国航空学会信号与信息处理专业全国第八届学术会议论文集[C];2004年
5 王曾敏;杨兆选;丁学文;何英华;陈杨;于渊;;图像融合与压缩算法在动态交通信息服务系统中的应用[A];第一届建立和谐人机环境联合学术会议(HHME2005)论文集[C];2005年
6 汤志伟;王建国;赵志钦;黄顺吉;;基于小波变换的图像融合算法[A];第九届全国信号处理学术年会(CCSP-99)论文集[C];1999年
7 陆琳;张淳民;;图像融合算法研究[A];2013年(第五届)西部光子学学术会议论文集[C];2013年
8 王荣福;;PET/CT新技术应用[A];全国射线数字成像与CT新技术研讨会论文集[C];2009年
9 刘勇;刘隆国;杨玲恒;;面向对象的卫星多层多分区图像融合在GIS领域的应用探讨[A];第二届中国卫星导航学术年会电子文集[C];2011年
10 王立琦;雷洁;;基于图像融合的目标识别研究[A];'2010系统仿真技术及其应用学术会议论文集[C];2010年
相关博士学位论文 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 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
3 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
4 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
5 程广涛;基于压缩感知的人脸识别方法研究[D];天津大学;2015年
6 黄丹丹;基于稀疏表示的视觉目标跟踪方法研究[D];大连理工大学;2016年
7 赵淑欢;欠完备采样环境下面向数据的稀疏表示人脸识别研究[D];燕山大学;2016年
8 刘海仓;基于稀疏表示的图像超分辨率与目标跟踪方法研究[D];湖南大学;2015年
9 项凤涛;基于稀疏表示与优化的图像信息处理方法及应用[D];国防科学技术大学;2014年
10 刘兆栋;基于稀疏表示理论的图像去噪与融合算法研究[D];重庆大学;2016年
相关硕士学位论文 前10条
1 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年
2 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年
3 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
4 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
5 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
6 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
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 陈蒙;基于稀疏表示特征的人脸识别方法研究[D];深圳大学;2015年
10 袁文;基于稀疏表示的行人检测方法研究[D];南京理工大学;2015年
,本文编号:1712287
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1712287.html