基于字典学习和稀疏表示的图像融合方法

摘要

随着多传感器技术的发展，系统获取到的图像信息量越来越大，图像的形式也变得越来越丰富。图像融合技术能够有效地综合不同传感器的信息，逐渐成为计算机视觉与图像处理的重要手段。现今图像融合技术已广泛应用于医学、遥感、工业、交通、军事等领域中，对国防事业的建设以及国民经济的发展均具有深远的意义，是图像信息进行综合处理的重要技术。图像融合常用的方法有主成分分析(PCA)变换法、小波变换法、Contourlet变换法等。但是，这些算法都存在局限性。目前，基于稀疏表示的图像融合方法成为了研究焦点，它能够较好捕获图像的内在结构，有良好的融合效果，但相关的应用研究依然存在问题需要解决。本文针对其中的一些问题进行了研究和改进，其主要内容如下：
　　1.阐述了图像融合的理论及应用，介绍了图像融合算法的研究现状，重点分析了基于小波变换的图像融合方法和基于Contourlet变换的图像融合方法。由于基于小波变换的图像融合对图像中“线奇异性”问题的处理存在不足，而基于Contourlet变换的图像融合需要下采样，容易造成图像信息的丢失，本文对基于稀疏表示的图像融合算法进行了重点研究。分析了稀疏表示理论中稀疏编码的正交匹配追踪(OMP)算法，以及K-奇异值分解(K-SVD)字典构造的具体步骤，并详细说明了基于稀疏表示的图像融合算法的实现。
　　2.针对Yang的基于压缩感知的图像融合(CS)算法存在时间复杂度高的问题，提出了基于图像相似性的块分类稀疏表示的图像融合方法。该方法按照图像的相似性和局部特征将图像子块分为相似结构、平滑结构和细节结构，然后对子块进行分类融合。相似结构直接放入融合图像的对应位置，平滑结构选用线性加权算法进行融合，细节结构选用稀疏算法进行融合，从而减少稀疏编码的子块数。实验结果表明该方法在确保融合图像性能指标均优的的情况下，有效缩短了运算时间。
　　3.针对基于图像相似性的块分类稀疏表示的图像融合方法存在单一字典忽略图像局部特征的问题，提出了一种基于图像几何特征分类稀疏表示的图像融合方法。该方法按照图像的几何结构特性将子块分为平滑结构、纹理结构和边缘结构。对平滑结构采用线性加权法进行融合，对纹理结构和边缘结构分别训练出对应的字典进行稀疏表示的融合，并对边缘结构稀疏表示中的残余量进一步采用小波变换融合，以确保信息完整。通过实验比较验证了该方法的优越性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

§1.1 图像融合的研究背景及意义

§1.2 图像融合的概述

§1.3 图像融合的研究现状

§1.4 图像融合的性能评价

§1.5 本文研究内容及结构安排

第二章 基于稀疏表示的图像融合方法

§2.1 稀疏表示理论

§2.2 字典构造

§2.3 基于稀疏表示的图像融合方法

§2.4 本章小结

第三章 基于图像相似性的块分类稀疏表示的图像融合方法

§3.1 图像相似性块分类的方式

§3.2 基于图像相似性的块分类稀疏表示的图像融合

§3.3 实验仿真及其结果分析

§3.4 本章小结

第四章 基于图像几何特征分类稀疏表示的图像融合方法

§4.1 图像几何特征分类的方式及字典训练

§4.2 基于图像几何特征分类稀疏表示的图像融合算法

§4.3 实验仿真及其结果分析

§4.4 本章小结

第五章 工作总结与展望

§5.1 工作总结

§5.2 课题展望

参考文献

致谢

作者在攻读硕士学位期间的主要研究成果