基于压缩感知的可见光和红外图像融合算法研究

摘要

在信息技术飞速发展的时代，传统的信号采样方法----奈圭斯特采样定理已经不能满足人们对实际应用的需求。近年来，Donoho和Candes等人提出的压缩感知理论指出：当信号是可压缩的或在某个变换域是稀疏时，只需要对信号做少量的随机投影就能包含恢复信号所需要的足够信息，最终通过求解一个优化问题就可以从这些少量的投影中以高概率重构出原始信号。该理论具有直接的信息采样性，用远低于奈圭斯特采样速率对信号进行测量编码，在图像处理、雷达等领域得到广泛的应用。
　　本研究主要内容包括：⑴针对NSCT变换分解得到的各个方向子带稀疏度不同的问题，提出了一种改进的CS_NSCT图像融合方法。首先对待融合图像进行NSCT分解，接着对得到的高频分量采用自适应的压缩感知方法进行压缩，并将其在压缩域融合后重构；对低频分量采用DCT高频能量准则融合，最后对融合后的高低频分量做NSCT重构。仿真实验结果表明，本文算法在确保图像质量的同时有效的减少了数据量。⑵对于传统绝对值取大的方法，在CS对高频分量的观测过程中，观测矩阵的随机性使原图像的信息随机分布到观测向量上，当图像包含的信息量大时，绝对值系数大的图像不一定是信息量多的图像，而标准差却能表示图像信息量的多少。但是当两幅图像的标准差相差不大时，就无法判断哪副图像包含的信息更多。因此，本文针对单一算法的不足，提出了一种新的融合规则，采用设置阈值结合标准差加权和绝对值取大的图像融合方法融合图像。仿真实验表明，本文算法相比传统算法取得了更好的融合效果。⑶在分析数字图像融合理论的基础上，采用提升小波算法结合压缩感知理论进行图像融合的软件实现。提升小波算法系数简单，能够实现快速运算，有利于硬件实现，并且有很好的兼容性。融合软件主要使用C++语言配合OpenCV开源图像库编写而成，为后续移植于硬件平台奠定了基础。

目录

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状及发展趋势

1.3 本文研究的主要内容和章节安排

2 压缩感知理论及其在图像处理方面的应用

2.1 CS理论框架

2.2 CS理论在图像处理中的应用

2.3本章小结

3 图像融合的基本理论

3.1 图像融合的流程

3.2 图像融合中的变换理论

3.3 图像融合的规则

3.4 本章小结

4 基于压缩感知的图像融合方法

4.1 传统的基于NSCT的压缩感知算法

4.2 改进的基于NSCT压缩感知图像融合算法

4.3 改进的基于NSCT的压缩感知融合策略

4.4 基于小波变换的压缩感知图像融合算法软件实现

4.5本章小结

5 总结与展望

5.1 本文工作总结

5.2 展望

致谢

参考文献

附录