基于壓縮感知的圖像融合理論與算法研究.pdf

1、圖像融合是將傳感器在同一時間或不同時間獲取的關(guān)于某個場景的兩個或兩個以上的圖像或圖像序列加以綜合,以獲得更加準(zhǔn)確、更加豐富、更加可靠的場景圖像描述,以便適用于視覺感知或進一步圖像處理的信息處理的技術(shù)。其應(yīng)用已遍及目標(biāo)監(jiān)測、機場導(dǎo)航、安全監(jiān)控、智能交通、醫(yī)學(xué)成像與診斷、機器視覺、地理信息系統(tǒng)、智能制造、工業(yè)過程以及軍事等領(lǐng)域。近年來,隨著壓縮感知理論研究的進展,基于壓縮感知域的圖像融合算法的研究正逐漸受到人們的關(guān)注。然而,目前的研究還主要

2、集中于基于離散傅里葉變換或離散余弦變換作為稀疏基的壓縮感知融合方法,而在現(xiàn)實中大量存在的圖像和視頻信號則主要小波變換(JPEG2000)進行編碼,因此,進一步深入研究基于小波變換稀疏基的壓縮感知域融合算法將具有更加現(xiàn)實的作用。本文主要工作如下:
　　(1)在閱讀國內(nèi)外大量文獻基礎(chǔ)上,對圖像融合、壓縮感知理論、基于壓縮感知域的圖像融合技術(shù)以及圖像融合質(zhì)量評價的研究背景及意義、國內(nèi)外研究進展進行了闡述。
　　(2)針對壓縮感知的

3、理論框架以及各步驟的主要算法原理做了簡單地介紹。主要介紹了常用的稀疏表示方法、測量矩陣的約束條件以及構(gòu)造,最后介紹了幾種常用的重構(gòu)算法,對比了各種方法的優(yōu)劣。
　　(3)提出了一種基于小波稀疏基的壓縮感知域的圖像融合算法。首先將源圖像進行小波分解,分解分別得到低頻系數(shù)和高頻系數(shù),由于低頻系數(shù)部分不是稀疏的,所以對低頻部分直接采樣;高頻系數(shù)是稀疏的,但不同分解層次及不同方向的高頻系數(shù)稀疏度并不相同的,所以首先計算每部分的稀疏度,然后

4、根據(jù)稀疏度計算出每部分的測量數(shù)。融合圖像的策略是:對兩圖的低頻部分采用區(qū)域梯度和能量相結(jié)合的融合規(guī)則進行融合,高頻部分測量之后得到的測量值用絕對值最大的方法進行融合。然后用壓縮感知正交匹配追蹤重構(gòu)方法對高頻部分進行重構(gòu),最后重構(gòu)得到的高頻系數(shù)與低頻系數(shù)一起用逆小波變換得到最終的融合圖像。通過對比實驗,主客觀評價表明這種融合方法是有效的,對比傳統(tǒng)算法,不僅能節(jié)省傳輸、儲存、重構(gòu)的成本,且融合的圖像的質(zhì)量良好。
　　(4)提出了一種基