基于正交匹配跟踪以及K-SVD的图像融合技术

摘要

图像融合是将两个或者两个以上的传感器在同一时间或不同时间获取的关于某个具体场景的图像或图像序列信息加以综合,以生成新的有关此场景的解释。
　　 文中研究了目前典型的图像融合方法,在此基础上提出一种新的基于正交匹配跟踪(OMP)以及K奇异值分解(K-SVD)的图像融合算法。该算法选取一幅与源图像结构相似的图像作为样本序列,利用K-SVD算法训练出包含图像主要特征的冗余字典,再通过OMP算法对待融合图像进行冗余分解,从训练的字典当中选择出一组原子矢量,将源图像表示为这些矢量的线性组合。该算法有效地避免了传统融合算法中的方块效应和波纹噪音,使融合图像具有较好的鲁棒性,在一定程度上提高了融合图像的质量。目前在图像分析和计算机视觉领域中有着重要的应用价值。

目录

文摘

英文文摘

第一章 引言

1.1 图像融合概述

1.1.1 课题研究背景及意义

1.1.2 图像融合的定义、目的

1.1.3 图像融合的应用

1.1.4 图像融合的发展现状及存在的问题

1.2 论文的主要工作

第二章 图像融合预处理

2.1 图像校正

2.2 图像配准

2.2.1 图像配准的原理

2.2.2 图像配准的一般方法

第三章 图像融合的基本理论

3.1 图像融合的基本原理

3.1.1 图像融合的基本流程

3.1.I图像融合的层次和分类

3.2 常见的融合方法分析

3.2.1 传统图像融合方法

3.2.2 变换域方法

3.2.3 智能型方法

第四章 基于正交匹配跟踪的图像融合

4.1 信号匹配跟踪分解

4.1.1 信号表示

4.1.2 正交分解

4.1.3 冗余分解

4.2 字典的训练

4.2.1 奇异值分解(SVD)概述

4.2.2 字典训练算法

4.3 图像融合

4.3.1 具体融合过程

4.3.2 实验结果和分析

第五章 总结和进一步研究方向

参考文献

致谢

在学期间发表的学术论文和参加科研情况