基于判别字典学习和形态成分分解的多源图像融合方法

摘要

本发明提出了一种基于判别字典学习和形态成分分解的多源图像融合方法。为能将源图像中不同形态结构的卡通‑纹理成分分离，我们把图像的分解问题转化为图像的分类问题，并设计了卡通纹理判别字典学习模型。考虑到图像分解不仅与字典有关，还与分解的策略有关的事实，设计了一种新的图像分解模型。在该模型中，纹理成分看成是叠加在源图像卡通成分上的噪声，并引入非局部均值相似性的一致性正则项，来约束稀疏编码系数的解空间。最后，根据对应成分的编码系数l1范数值最大来选取融合图像的编码系数。结果表明，无论在视觉效果还是在客观指标上，本发明都具有更好的融合性能。