积分商城

最新搜索： stm32f7 固件库 HFBR-0310Z光纤发射和接收电路 频率计 高频开关变换器的数字控制 multisim运放 PCIe
您现在的位置是：首页 > 技术资料 > 一种基于NSST和字典学习的红外和可见光图像融合算法
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

一种基于NSST和字典学习的红外和可见光图像融合算法

更新时间：2019-12-30 14:15:51 大小：3M 上传用户：zhiyao6查看TA发布的资源 标签：nsst可见光图像融合算法压缩感知 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

近年来随着多尺度分析和压缩感知成为研究的热点,字典学习算法在图像融合领域得到了广泛应用,但是其算法应用于可见光和红外图像的融合,容易出现块状噪声,边缘有振铃现象。基于此,本文提出了一种基于非下采样剪切波变换(NSST)和字典学习的红外和见光图像融合算法研究,对NSST分解的低频分量利用滑动窗口得到图像块序列,并对其进行零均值化后再稀疏分解,选择区域能量的融合规则,高频子带选择拉普拉斯能量和的融合规则。仿真结果表明,本文的算法在视觉和客观评价指标上优于现有几种融合算法。


部分文件列表

文件名 大小
一种基于NSST和字典学习的红外和可见光图像融合算法.pdf 3M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
2017  
6
年 月  
June 2017  
Vol．35 No．3  
西 北 工 业 大 学 学 报  
35 3  
第 卷第 期  
Journal of Northwestern Polytechnical University  
NSST  
一种基于 和字典学习的红外和  
可见光图像融合算法  
1，2  
1
1
1
3
，
，
，
，
刘战文 冯燕 李旭 丁鹏飞 徐继明  
1．  
，
西北工业大学 电子信息学院 陕西 西安  
710072; 2．  
，
西北工业大学 保密处 陕西 西安  
710072;  
(
)
3．  
，
西北工业大学 计算机学院 陕西 西安  
710072  
:
，
摘 要 近年来随着多尺度分析和压缩感知成为研究的热点 字典学习算法在图像融合领域得到了广  
，
，
，
。
，
泛应用 但是其算法应用于可见光和红外图像的融合 容易出现块状噪声 边缘有振铃现象 基于此  
( NSST)  
，
和字典学习的红外和见光图像融合算法研究 对  
本文提出了一种基于非下采样剪切波变换  
NSST  
，
，
分解的低频分量利用滑动窗口得到图像块序列 并对其进行零均值化后再稀疏分解 选择区域  
，
。
，
能量的融合规则 高频子带选择拉普拉斯能量和的融合规则 仿真结果表明 本文的算法在视觉和客  
。
观评价指标上优于现有几种融合算法  
:
; NSST;  
;
稀疏表示 字典学习 拉普拉斯能量和  
;
关 键 词 图像融合  
:TP391  
:A :1000-2758( 2017) 03-0408-06  
文章编号  
中图分类号  
文献标志码  
［8］  
，NSST  
，
在过去十年中 可见光和红外图像的图像融合  
;
下采样容易造成信息混叠 相比以上变换  
已成为图像处理领域的热点研究课题［1］ 由于可  
。
， ，  
变换的融合算法能克服其不足 计算复杂度更低 逆  
，
见光和红外图像传感器的特性不同 且来自同一场  
，
变换只需对剪切滤波器进行合成 而不必像  
，
Contourlet  
，
变换那样将方向滤波器组进行逆合成 因  
景的可见光和红外图像之间存在信息互补和冗余  
，
因此融合图像能够提供关于场景的更全面信息 并  
NSST  
。
此本文  
域的融合算法进行了研究  
。
，
由于多尺度分析要对图像进行分解和合成 因  
且比其中任何一种源图像更适合于后续处理任务  
当然融合结果必须满足以下要求［2］ ①融合算法应  
:
，
此容易造成信息丢失 而基于字典的学习算法能克  
。
该尽可能包括源图像的所有有用信息 ②融合算法  
，
，
服其不足 故其一直备受国内外学者亲睐 是当前国  
。
际研究的热点之一 字典学习通常具有显式的矩阵  
不应该产生误导后续图像处理和目标识别的虚假信  
。
、 ，  
③融合算法应该具有良好的稳定性 鲁棒性 并  
，
。
表达 从而在图像融合领域得到了应用 文献  
［9-  
息
10］ ，Contourlet  
提出了小波域  
，
域字典的学习算法  
且最好具备一定的去噪和消除配准误差的容错  
。
， ［11］  
但是计算比较复杂 文献 提出了聚类的字典学  
能力  
［3］  
近年来 继小波变换 之后 多尺度分析和压  
，
，
， ［12］  
习算法 文献 提出了特征字典学习的融合算  
，
缩感知成为研究的热点 其近乎完美的性能使其在  
图像融合领域得到了广泛的应用并表现出了优良的  
， ，  
法 这些算法虽然能精细图像的表示 稀疏编码的拟  
，
，
合数据 但是这种非结构化的字典计算代价太高 原  
［4］  
［5］  
变换 的融  
。
性能 例如  
Ridgelet  
、Contourlet  
。
［13-14］  
变换  
子的大小也限制了其应用 文献  
提出了压  
，
合算法能克服小波变换的尺度单一 但是不能最优  
， ［15］  
缩感知的融合算法 文献 提出了基于多分辨率  
变换［6］ 的融合算法能克服  
; NSCT  
，
分析和字典学习的融合算法 但是该算法融合图像  
表示线奇异性  
Contourlet  
，
变换由于上采样的不足 但计算复杂度  
，
容易出现大块噪声 而且边缘有振铃现象  
。
［7］  
变换 的融合算法 计算复杂度低 但是  
; Shearlet  
，
，
基于以上分析 本文提出了一种基于  
NSST  
高
和
:2017-03-02  
:
( 61071171)  
收稿日期  
基金项目 国家自然科学基金 资助  
:
( 1975—) ，  
，
。
作者简介 刘战文  
西北工业大学博士研究生 主要从事图像融合研究  
3
第 期  
， :  
刘战文 等 一种基于  
NSST  
和字典学习的红外和可见光图像融合算法  
·409·  
。
字典学习的红外和见光图像融合算法 对红外和可  
，
计算代价高 原子的大小也限制了这种字典的应用  
。
NSST  
，
分解 在低频系数上利用滑动  
PCA、MOD K-SVD  
。
见光图像进行  
典型学习方法有  
和
方法  
是一个用于稀疏表示的字典学习算法  
， K-Means  
算法的泛化 由于输  
，
窗口得到图像块序列 并对其进行零均值化后再稀  
K-SVD  
，
，
;
。
疏分解 选择区域能量的融合规则 在高频子带系数  
是一个迭代算法 是  
，
，
，
入图像块是通过所提出的信息采样得到的 且每个  
上 选择拉普拉斯能量和的融合规则 仿真结果表  
，
明 本文的算法在视觉和客观评价指标上优于其他  
训练子字典非常紧凑且均包含来自图像的信息成  
。
，
分 因此子字典学习方案可以获得输入图像块更准  
融合算法  
。
确的结构描述  
1
稀疏表示和字典训练  
2
图像融合算法  
1．1  
稀疏表示  
( compressed sensing，CS)  
NSST  
稀疏表示以压缩感知  
在
域基于稀疏字典的可见光和红外图像  
，
理论为基础 寻找信号在一组字典下的最稀疏表示  
。
1
的融合算法如图 所示  
。
，
稀疏性意味着仅需要少量的原子来充分重建信号  
。
即系数变得稀疏 图像的稀疏模型要求将图像表示  
，
为一组字典中少数几个典型原子的线性组合 基本  
“
”
思想是假设自然信号能由字典中 少量 原子的线  
。
性组合表示或近似表示 过完备性意味着字典中的  
。 ，  
原子数目大于信号的维数 因此 在过完备字典中  
。
足够数量的原子允许更灵活和有意义的信号表示  
n
×
n m  
y
R ，  
∈ 表示图像信号向量 Φ∈  
R
让
是一个  
1
图
本文算法流程图  
，
。
完整的字典 其列向量是它的原子 根据稀疏表示  
，
理论 图像信号向量可以表示为这些原子的线性组  
m
2．1  
NSST  
可见光和红外图像的  
NSST  
分解  
=
， ，y  
合 即  
a，  
Φ 其中  
a
R
( n ＜  
是稀疏系数向量  
∈
，
是一种非正交变换 由非下采样得拉普拉  
m) 。  
稀疏系数向量可以通过求解以下优化问题找  
。
斯金字塔变换和剪切波滤波器组组合实现 首先  
，
到
2
对可见光和红外图像进行非下采样金字塔滤波器进  
=
a^ arg min  
－
a
Φ ‖  
a
‖ ‖  
s．t．  
y
＜
ε
( 1)  
‖
0
2
a
;
行多尺度分解 然后用剪切波滤波器将分解结果从  
， a  
a
，
式中 ‖ ‖ 表示 中非零项的计数 ε 是有界表示  
0
，
伪极化网格系统映射到笛卡尔坐标系统 再利用傅  
。
误差 上述方程的求解是一个  
NP  
，
难问题 目前常  
，
里叶变换直接通过二维卷积完成滤波 这样做避免  
: BP  
、MP  
、OMP  
。
算法等 其  
用的方法有  
算法  
算法  
，
了下采样操作造成的混叠 使  
NSST  
分解具有平移  
，OMP  
BP  
MP  
中
算法克服了  
算法计算复杂度高和  
。
不变性 变换后各尺度上各方向子带的大小都与原  
，
算法迭代次数多的问题 是目前应用最广泛的稀疏  
，
图像相同 图像的冗余度得到了很大的提高  
。
分解方法  
NSST  
，
分解后 各得到  
可见光和红外图像经过  
1．2  
字典训练  
。
一个相应的低频系数和多个高频系数  
过完备字典的选取决定了信号稀疏编码的能  
2．2  
低频系数基于稀疏字典的快速融合算法  
，
。
力 在稀疏表示中起关键性作用 稀疏字典的构造  
1)  
利用滑动窗口把红外和可见光图像的低频  
2 。  
主要有分析模型和机器学习 种方法 分析模型学  
CL 、CL  
A
n
槡
，
习到的字典没有明确的矩阵形式 但是具有快速方  
系数  
从坐上到右下依次划分为大小为  
B
，
法和高度结构化的构架 并且大多数字典可以多尺  
×
n
槡
，S ［1，n］  
K
， i  
的图像块  
i K  
∈
为第 个模块 第 个模  
i
K
。
度地分析图像 机器学习模型学习到的字典通常具  
{ P }  
A
{ P }  
和
B
。
=
1
块记为  
=
i
1
i
， ，  
有具体的矩阵表达 并且能更精细地拟合数据 从而  
i
i
2)  
P 、P  
A
重新排列系数模块  
且转换为列向量  
B
。
在许多应用中性能更好 但是这种非结构化的字典  
i
i
i
i
^
^
V 、V ，  
归一化处理变为  
V 、V 。 ( 2) 、( 3)  
如 式所  
A
B
A
B

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号