吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (04): 1127-1132.doi: 10.7964/jdxbgxb201304045

• 论文 • 上一篇    下一篇

基于插值Directionlet变换的图像融合方法

冯鑫1,2, 王晓明2, 党建武3, 沈瑜3   

  1. 1. 重庆工商大学 机械工程学院,重庆 400067;
    2. 兰州理工大学 电气工程与信息工程学院,兰州 730050;
    3. 兰州交通大学 电子与信息工程学院,兰州 730070
  • 收稿日期:2012-05-23 出版日期:2013-07-01 发布日期:2013-07-01
  • 作者简介:冯鑫(1982-),男,博士研究生.研究方向:多尺度分析与压缩感知.E-mail:149495263@qq.com
  • 基金资助:

    国家自然科学基金项目(61162016,60962004).

Image fusion method based on interpolation Directionlet

FENG Xin1,2, WANG Xiao-ming2, DANG Jian-wu3, SHEN Yu3   

  1. 1. College of Mechanical Engineering,Chongqing Technology and Business University,Chongqing, 400067;
    2. Department of Electrical and Information Engineering, Lanzhou University of Technology, Lanzhou 730050, China;
    3. School of Electronic and Information Engineering, Lanzhou University of Communications, Lanzhou 730070, China
  • Received:2012-05-23 Online:2013-07-01 Published:2013-07-01

摘要:

为了凸显区域的细节特征,改善图像的视觉效果,本文通过对Directionlet变换进行插值处理,并结合压缩感知理论提出一种新的图像融合方法。在进行插值Directionlet变换分解以后,对低频分量通过其区域特征及其接近度进行系数融合;对于高频分量,使用改进稀疏化的哈达玛矩阵进行观测,并对观测值进行加权融合,然后对融合后的高频方向子带进行重构;最后通过插值Directionlet逆变换重构图像。数值试验显示,本文提出的融合算法计算复杂度低,融合效果好,能同时得到目标和场景均清晰的融合图像。

关键词: 信息处理技术, 图像处理技术, 图像融合, Directionlet变换, 哈达玛矩阵, 压缩感知

Abstract:

This article puts forward a new method of image fusion based on interpolation processing of Directionlet and compression sensing theory to highlight the details of regional characteristics and improve the image visual effect. After interpolation Directionlet transform decomposition, the low-frequency component coefficients are fused using the regional characteristics and Verbal Immediacy; and the high-frequency component coefficients are fused using the improved sparse Hadamard matrix observation weight fusion method. Then, the fused high-frequency component coefficients are reconstructed. Finally, the image is reconstructed by the inverse interpolation Directionlet transform. Experiment results show that this fusion algorithm can get image with clear object and background, and it has low computational complexity and good fusion effect.

Key words: information processing, image processing technique, images fusion, Directionlet transform, Hadamard matrix, compression sensing

中图分类号: 

  • TN911

[1] Li Hui-hui, Guo Lei, Liu Kun. SAR and optical im-age fusion based on curvelet transform[J]. Journal of Optoelectronics Laser, 2009, 20(8):1110-1113.

[2] 张强,郭宝龙. 基于非采样Contourlet变换的遥感图像融合算法[J]. 光学学报, 2008,28(1):74-80. Zhang Qiang, Guo Bao-long. Remote sensing image fusion based on the non-subsampled Contourlet transform[J]. Acta Optica Sinica, 2008, 28(1):74-80.

[3] 孙伟,郭宝龙,陈龙.非降采样Contourlet域方向区域多聚焦图像融合算法[J].吉林大学学报:工学版,2009,39(5):1384-1389. Sun Wei, Guo Bao-long, Chen Long. Multifocus image fusion algorithm based on directional window statistics in non-subsampled contourlet domain[J]. Journal of Jilin University(Engineering and Technology Edition),2009,39(5):1384-1389.

[4] 林玉池,刘启海,陶力. 一种基于Directionlet变换的图像融合算法[J]. 纳米技术与精密工程, 2010,8(6):124-128. Lin Yu-chi, Liu Qi-hai, Tao Li. An image fusion algorithm based on Directionlet transform[J]. Nanotechnology and Precision Engineering, 2010, 8(6): 124-128.

[5] Donoho D. Compressed sensing[J]. IEEE Trans Information Theory, 2006, 52 (4):1289-1306.

[6] Candes E, Wakin M. An introduction to compressive sampling[J]. IEEE Signal Processing Magazine, 2008, 25(2):21-30.

[7] Wan T, Canagarajah N, Achim A. Compressive images fusion[J]. Proc IEEE Int Image Process, 2008, 12(5):1308-1311.

[8] Li X, Qin S Y. Efficient fusion for infrared and visible images based on compressive sensing principle[J]. In IET Image Process,2011, 5(2):141-147.

[9] Velisavljevic V, Beferull-Lozano B, Vettefli M, et al. Directionlets: anisotropic multi-directional representation with separable filtering[J]. IEEE Trans on Image Processing, 2006, 15(7):1916-1933.

[10] Needell D, Tropp J A. CoSaMP: iterative signal recovery from incomplete and inaccurate samples[J]. Applied and Computational Harmonic Analysis, 2008, 26(3): 301-321.

[11] CoSaMP. http://dsp.rice.edu/cs.2011-11-12.

[1] 苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2] 徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3] 黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4] 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5] 应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6] 陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7] 刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8] 单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9] 刘哲, 徐涛, 宋余庆, 徐春艳. 基于NSCT变换和相似信息鲁棒主成分分析模型的图像融合技术[J]. 吉林大学学报(工学版), 2018, 48(5): 1614-1620.
[10] 姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[11] 全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[12] 陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[13] 陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[14] 孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[15] 林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!