基于稀疏深度网络的图像融合方法

发布时间：2024-05-12 00:32

　　图像融合是将多个传感器在同一场景获取的多幅图像,综合生成一幅包含该场景中完整信息的图像,其目的是提高图像的分辨率和清晰度,以便于观察和再处理。本文将主要介绍在稀疏表示(Sparse Representation,SR)下的图像融合方法。与交换域和空间域所不同的是,稀疏表示是信号可以近似地由过完备字典中的几个原子信号的稀疏线性组合来表示。此外,稀疏表示的变换空间是稀疏域,在稀疏域中的活跃度量较为可靠,且图像通过空间滑窗技术使用基于图像块的方法进行分割,能够较好的保留图像的特征信息,具有平移不变性。卷积稀疏表示则是稀疏表示的卷积形式,不再使用图像块对图像进行处理,通过卷积的形式能够进一步提高图像融合效果。在本文中,在图像融合过程中采用了卷积稀疏表示(Convolution Sparse Representation,CSR)、形态成分分析(Morphological Component Analysis,MCA)和非下采样剪切波(Non-subsampled Shearlet Transform,NSST)等方法,通过稀疏表示的优越性来提高融合图像的清晰度。本文的具体研究内容如下:(1)为...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图2-1深度学习应用到高光谱图像分类论文的数量统计

相关技术理论介绍7第2章相关技术理论介绍本文研究的课题用到了基于深度学习的高光谱图像分类算法、融合分析与综合稀疏表示的图像分解方法、主成分分析、循环神经网络框架和K最近邻算法等相关技术，本章将对这几个相关技术进行逐一介绍。2.1基于深度学习的高光谱图像分类方法介绍深度学习作为机器....

图1.1三个层次图像融合示意图

山东理工大学硕士学位论文第一章绪论3图1.1三个层次图像融合示意图Fig.1.1Schematicimagefusionofthreelevels综上所述，三个不同层次的融合方法各有优缺点，同时又有一定的联系。像素级融合策略作为最底层的融合层次，是特征级融合策略和决策级融合策略发....

图2.1压缩感知结构流程图

山东理工大学硕士学位论文第二章稀疏表示基本理论122.2.1压缩感知框架压缩感知理论主要包含三个部分：稀疏表示、测量采样以及信号重构，其具体步骤如下：图2.1压缩感知结构流程图Fig.2.1Compressedsensingstructureflowchart（1）稀疏表示：输入....

图2.2稀疏表示模型

山东理工大学硕士学位论文第二章稀疏表示基本理论15mxR是要计算的SR系数，0表示0l范数，0l范数计算非零项的个数。稀疏表示问题的求解等同于优化问题，常用的稀疏系数基本算法有基追踪（BasicPursuit，BP）、匹配追踪（MatchingPursuit，MP）和正交匹配追踪....

本文编号：3970593