基于形态分量分析的图像融合算法研究
发布时间：2022-01-24 12:28
图像融合技术是利用同一场景或同一目标的多幅输入图像之间信息的互补性,将其整合为一幅图像的过程,该技术能够提高图像中场景或目标的清晰度,并为后续的目标识别、分类等工作提供了更精确可靠的图像支持。目前,该技术已成功应用于军事、农业、安全和监控等众多领域。本文主要研究基于形态分量分析（Morphological Component Analysis,MCA）的多聚焦图像和医学图像融合算法,具体内容如下:第一,改进了形态分量分析算法中的迭代次数和过完备字典的选取方法。针对MCA的迭代次数过小会导致图像分离结果不准确,过大会降低算法效率的问题,本文提出利用小波变换和中值绝对偏差估计源图像的噪声值,并将其作为图像分解过程中残差的阈值,以确保该算法能够根据图像自身特性自适应地选择分解迭代次数。另外,针对MCA采用的固定字典自适应能力较弱的问题,本文提出采用K-SVD（K-Singular Value Decomposition）算法训练字典,以更好地利用卡通分量和纹理分量的特性。实验结果表明,改进MCA算法获得的融合图像在主观视觉和客观评价指标中均有更优的表现。第二,提出基于改进MCA和非下采样剪切...
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
变换域融合算法的基本框架
ａｒｇ?ｍ?ｉｎ?ＨＩ。?ｓ．ｔ．?Ｘ?＝?Ｄａ?（３－４）??图３－１展示了稀疏表示的示意图，其中分解系数《是稀疏的，只包含非常少的??非零元素。??■??Ｌ??＜??■?－?■?■?■?—？？?＿??ｒｕａｍＭｕｍｍｍｍｍｍｍｍｕｕｍｍａＭｍｍａｍ＼?ｒｍ＼??Ｎ?ＺＺＺｈ?■??Ｄ?Ｈ?＼?滕??：］非零元素??ａ??图３－１稀疏表７Ｋ的不意图??Ｆｉｇｕｒｅ?３－１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｓｐａｒｓｅ?ｒｅｐｒｅｓｅｎｔａｔｉｏｎ．??实现信号的稀疏表示，关键在于求解上述稀疏表示模型。但是由于／。范数的非??凸性，对于式（３－４）来讲，如何求唯一解是一个典型的ＮＰ问题。基于Ｍａｌｌａｔ提??出的过完备字典理论，常用贪婪追踪算法和松弛优化算法解决该问题。贪婪追踪??算法主要是在过完备字典中通过迭代的方法依次选择与信号最为相近的原子，常??用的方法有匹配追踪算法［４６］?（Ｍａｔｃｈｉｎｇ?Ｐｕｒｓｕｉｔ，?ＭＰ）、正交匹配追踪算法［４７］等。??松弛优化算法通过目标函数转化将／。范数转化为其他范数，从而将非凸优化问题转??化为凸优化问题，最后通过经典的凸优化理论有效解决该ＮＰ问题，常用的松弛优??化算法有基追踪算法［４８］?（Ｂａｓｉｓ?Ｐｕｒｓｕｉｔ
?结合改进形态分量分析的图像融合??图３－３为采用ＭＣＡ和改进ＭＣＡ分解得到的卡通分量和纹理分量，其中图３－３（ａ）??为源图像，图３－３（ｂ）、（ｃ）为采用ＭＣＡ分解得到的卡通分量和纹理分量，图３－３（ｄ）、??（ｅ）为采用改进ＭＣＡ分解得到的卡通分量和纹理分量。??■■??Ｂ■闕■闕■??ＩＩＨＨＩＨＨＩ?ＩＨＨＨＨＨＨＨＨＨＨＨ?ｆｌＨＨＨＨＨＨＨＨＨＨＩｌｉ?ＨＨＨＨＨＨＨＨＨＨＨＩＩ??■?■■■■??■?■■■■??⑻?（ｂ）?（ｃ）?（ｄ）?（ｅ）??图３－３?ＭＣＡ和改进ＭＣＡ图像分解结果。（ａ）源图像；（ｂ）?ＭＣＡ卡通分量；（ｃ）?ＭＣＡ纹理分量；??（ｄ）改进ＭＣＡ卡通分量；（ｅ）改进ＭＣＡ纹理分量??Ｆｉｇｕｒｅ?３－３?Ｔｈｅ?ｒｅｓｕｌｔｓ?ｏｆ?ｉｍａｇｅ?ｄｅｃｏｍｐｏｓｉｔｉｏｎ?ｂｙ?ＭＣＡ?ａｎｄ?ｉｍｐｒｏｖｅｄ?ＭＣＡ．?（ａ）?Ｔｈｅ?ｓｏｕｒｃｅ?ｉｍａｇｅｓ；??（ｂ）?Ｔｈｅ?ｃａｒｔｏｏｎ?ｉｍａｇｅｓ?ｏｂｔａｉｎｅｄ?ｂｙ?ＭＣＡ；?（ｃ）?Ｔｈｅ?ｔｅｘｔｕｒｅ?ｉｍａｇｅｓ?ｏｂｔａｉｎｅｄ?ｂｙ?ＭＣＡ；?（ｄ）?Ｔｈｅ??ｃａｒｔｏｏｎ?ｉｍａｇｅｓ?ｏｂｔａｉｎｅｄ?ｂｙ?ｉｍｐｒｏｖｅｄ?ＭＣＡ；?（ｅ）?Ｔｈｅ?ｔｅｘｔｕｒｅ?ｉｍａｇｅｓ?ｏｂｔａｉｎｅｄ?ｂｙ?ｉｍｐｒｏｖｅｄ?ＭＣＡ．??３．３基于改进形态分量分析的图像融合??３．３．１图像融合框架??基于以上对形态分量分析算法的研究，本文提出基于改进ＭＣＡ?（ＩＭＣＡ）的??图像融合算法
【参考文献】：
期刊论文
[1]图像融合质量评价方法研究综述[J]. 杨艳春,李娇,王阳萍. 计算机科学与探索. 2018(07)
[2]基于NSSCT的红外与可见光图像融合[J]. 吴冬鹏,毕笃彦,何林远,马时平,凡遵林. 光学学报. 2017(07)
[3]NSST和改进PCNN相结合的甲状腺图像融合[J]. 郑伟,赵成晨,郝冬梅. 光电工程. 2016(10)
[4]一种基于MOD字典学习的图像超分辨率重建新算法[J]. 邹建成,张文婷. 图学学报. 2015(03)
[5]基于NSST和自适应PCNN的图像融合算法[J]. 江平,张强,李静,张锦. 激光与红外. 2014(01)
[6]融合图像质量评价指标的相关性分析及性能评估[J]. 张小利,李雄飞,李军. 自动化学报. 2014(02)
[7]图像过完备稀疏表示理论及应用综述[J]. 陈垚佳,张永平. 电视技术. 2012(17)
[8]基于Shearlet与改进PCNN的图像融合[J]. 王朝晖,王佳琪,赵德功,付伟. 激光与红外. 2012(02)
[9]基于PCA的拉普拉斯金字塔变换融合算法研究[J]. 马先喜,彭力,徐红. 计算机工程与应用. 2012(08)
博士论文
[1]多聚焦图像像素级融合算法研究[D]. 张永新.西北大学 2014
[2]多尺度变换的图像融合方法与应用研究[D]. 蒋年德.湖南大学 2010
[3]像素级多聚焦图像融合算法研究[D]. 孙巍.吉林大学 2008
硕士论文
[1]基于NSST的医学图像融合算法研究[D]. 王彦龙.西安电子科技大学 2018
[2]基于稀疏表示的遥感图像融合方法[D]. 裴晓鹏.太原理工大学 2018
[3]基于NSST变换的多模态医学图像融合算法研究[D]. 赵丹.浙江理工大学 2018
[4]多目标粒子群优化算法的改进与研究[D]. 马博荣.兰州大学 2017
[5]基于IHS变换和稀疏表示的多源遥感图像融合的研究[D]. 贺国栋.湘潭大学 2015
[6]基于小波变换的图像融合算法的研究[D]. 杨娇.中国地质大学（北京） 2014
[7]Shearlet变换在图像融合中的应用研究[D]. 张卓.西安建筑科技大学 2013
[8]多目标粒子群优化算法研究[D]. 刘兰霞.湖南科技大学 2010
本文编号：3606572
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
变换域融合算法的基本框架
ａｒｇ?ｍ?ｉｎ?ＨＩ。?ｓ．ｔ．?Ｘ?＝?Ｄａ?（３－４）??图３－１展示了稀疏表示的示意图，其中分解系数《是稀疏的，只包含非常少的??非零元素。??■??Ｌ??＜??■?－?■?■?■?—？？?＿??ｒｕａｍＭｕｍｍｍｍｍｍｍｍｕｕｍｍａＭｍｍａｍ＼?ｒｍ＼??Ｎ?ＺＺＺｈ?■??Ｄ?Ｈ?＼?滕??：］非零元素??ａ??图３－１稀疏表７Ｋ的不意图??Ｆｉｇｕｒｅ?３－１?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｓｐａｒｓｅ?ｒｅｐｒｅｓｅｎｔａｔｉｏｎ．??实现信号的稀疏表示，关键在于求解上述稀疏表示模型。但是由于／。范数的非??凸性，对于式（３－４）来讲，如何求唯一解是一个典型的ＮＰ问题。基于Ｍａｌｌａｔ提??出的过完备字典理论，常用贪婪追踪算法和松弛优化算法解决该问题。贪婪追踪??算法主要是在过完备字典中通过迭代的方法依次选择与信号最为相近的原子，常??用的方法有匹配追踪算法［４６］?（Ｍａｔｃｈｉｎｇ?Ｐｕｒｓｕｉｔ，?ＭＰ）、正交匹配追踪算法［４７］等。??松弛优化算法通过目标函数转化将／。范数转化为其他范数，从而将非凸优化问题转??化为凸优化问题，最后通过经典的凸优化理论有效解决该ＮＰ问题，常用的松弛优??化算法有基追踪算法［４８］?（Ｂａｓｉｓ?Ｐｕｒｓｕｉｔ
?结合改进形态分量分析的图像融合??图３－３为采用ＭＣＡ和改进ＭＣＡ分解得到的卡通分量和纹理分量，其中图３－３（ａ）??为源图像，图３－３（ｂ）、（ｃ）为采用ＭＣＡ分解得到的卡通分量和纹理分量，图３－３（ｄ）、??（ｅ）为采用改进ＭＣＡ分解得到的卡通分量和纹理分量。??■■??Ｂ■闕■闕■??ＩＩＨＨＩＨＨＩ?ＩＨＨＨＨＨＨＨＨＨＨＨ?ｆｌＨＨＨＨＨＨＨＨＨＨＩｌｉ?ＨＨＨＨＨＨＨＨＨＨＨＩＩ??■?■■■■??■?■■■■??⑻?（ｂ）?（ｃ）?（ｄ）?（ｅ）??图３－３?ＭＣＡ和改进ＭＣＡ图像分解结果。（ａ）源图像；（ｂ）?ＭＣＡ卡通分量；（ｃ）?ＭＣＡ纹理分量；??（ｄ）改进ＭＣＡ卡通分量；（ｅ）改进ＭＣＡ纹理分量??Ｆｉｇｕｒｅ?３－３?Ｔｈｅ?ｒｅｓｕｌｔｓ?ｏｆ?ｉｍａｇｅ?ｄｅｃｏｍｐｏｓｉｔｉｏｎ?ｂｙ?ＭＣＡ?ａｎｄ?ｉｍｐｒｏｖｅｄ?ＭＣＡ．?（ａ）?Ｔｈｅ?ｓｏｕｒｃｅ?ｉｍａｇｅｓ；??（ｂ）?Ｔｈｅ?ｃａｒｔｏｏｎ?ｉｍａｇｅｓ?ｏｂｔａｉｎｅｄ?ｂｙ?ＭＣＡ；?（ｃ）?Ｔｈｅ?ｔｅｘｔｕｒｅ?ｉｍａｇｅｓ?ｏｂｔａｉｎｅｄ?ｂｙ?ＭＣＡ；?（ｄ）?Ｔｈｅ??ｃａｒｔｏｏｎ?ｉｍａｇｅｓ?ｏｂｔａｉｎｅｄ?ｂｙ?ｉｍｐｒｏｖｅｄ?ＭＣＡ；?（ｅ）?Ｔｈｅ?ｔｅｘｔｕｒｅ?ｉｍａｇｅｓ?ｏｂｔａｉｎｅｄ?ｂｙ?ｉｍｐｒｏｖｅｄ?ＭＣＡ．??３．３基于改进形态分量分析的图像融合??３．３．１图像融合框架??基于以上对形态分量分析算法的研究，本文提出基于改进ＭＣＡ?（ＩＭＣＡ）的??图像融合算法
【参考文献】：
期刊论文
[1]图像融合质量评价方法研究综述[J]. 杨艳春,李娇,王阳萍. 计算机科学与探索. 2018(07)
[2]基于NSSCT的红外与可见光图像融合[J]. 吴冬鹏,毕笃彦,何林远,马时平,凡遵林. 光学学报. 2017(07)
[3]NSST和改进PCNN相结合的甲状腺图像融合[J]. 郑伟,赵成晨,郝冬梅. 光电工程. 2016(10)
[4]一种基于MOD字典学习的图像超分辨率重建新算法[J]. 邹建成,张文婷. 图学学报. 2015(03)
[5]基于NSST和自适应PCNN的图像融合算法[J]. 江平,张强,李静,张锦. 激光与红外. 2014(01)
[6]融合图像质量评价指标的相关性分析及性能评估[J]. 张小利,李雄飞,李军. 自动化学报. 2014(02)
[7]图像过完备稀疏表示理论及应用综述[J]. 陈垚佳,张永平. 电视技术. 2012(17)
[8]基于Shearlet与改进PCNN的图像融合[J]. 王朝晖,王佳琪,赵德功,付伟. 激光与红外. 2012(02)
[9]基于PCA的拉普拉斯金字塔变换融合算法研究[J]. 马先喜,彭力,徐红. 计算机工程与应用. 2012(08)
博士论文
[1]多聚焦图像像素级融合算法研究[D]. 张永新.西北大学 2014
[2]多尺度变换的图像融合方法与应用研究[D]. 蒋年德.湖南大学 2010
[3]像素级多聚焦图像融合算法研究[D]. 孙巍.吉林大学 2008
硕士论文
[1]基于NSST的医学图像融合算法研究[D]. 王彦龙.西安电子科技大学 2018
[2]基于稀疏表示的遥感图像融合方法[D]. 裴晓鹏.太原理工大学 2018
[3]基于NSST变换的多模态医学图像融合算法研究[D]. 赵丹.浙江理工大学 2018
[4]多目标粒子群优化算法的改进与研究[D]. 马博荣.兰州大学 2017
[5]基于IHS变换和稀疏表示的多源遥感图像融合的研究[D]. 贺国栋.湘潭大学 2015
[6]基于小波变换的图像融合算法的研究[D]. 杨娇.中国地质大学（北京） 2014
[7]Shearlet变换在图像融合中的应用研究[D]. 张卓.西安建筑科技大学 2013
[8]多目标粒子群优化算法研究[D]. 刘兰霞.湖南科技大学 2010
本文编号：3606572
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3606572.html
最近更新
教材专著
