吉林大学学报(工学版) ›› 2013, Vol. 43 ›› Issue (04): 1127-1132.doi: 10.7964/jdxbgxb201304045
冯鑫1,2, 王晓明2, 党建武3, 沈瑜3
FENG Xin1,2, WANG Xiao-ming2, DANG Jian-wu3, SHEN Yu3
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。
中图分类号:
[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. |
|