基于NSST和稀疏表示的多源异类图像融合方法

基金项目: 国家自然科学基金项目，编号61171057；教育部高等学校博士学科点专项科研资助项目%编号20121420110004。

详细信息

Multi-source Heterogeneous Image Fusion Based on NSST and Sparse Presentation

摘要: 针对SAR、红外和可见光图像的灰度差异性大，融合图像感兴趣目标不突出的问题，提出一种基于NSST和稀疏表示的多源异类图像融合方法。首先将训练图像进行NSST变换，在低频系数上构建多尺度学习字典；对SAR、红外和可见光图像进行NSST变换，利用滑动窗口分解低频系数为图像块序列，对图像块序列零均值化后再稀疏分解，采用稀疏系数绝对值取大的融合规则；高频子带系数采用局部方向信息熵显著性因子取大的融合规则；最后对融合系数进行NSST逆变换得到最终的融合图像。
- 图像融合 /
- NSST /
- 多尺度学习字典 /
- 稀疏表示 /
- 方向信息熵

1.	马晓雄，熊晓燕，兰媛，乔葳. 金属棒材表面缺陷的机器视觉检测方法研究. 机械设计与制造. 2023(04): 196-200+205 . 百度学术
2.	姜迈，沙贵君，李宁. 基于PUCS与DTCWT的红外与弱可见光图像融合. 红外技术. 2022(07): 716-725 . 本站查看
3.	丁慧洁. 基于非下采样剪切波特征提取的SAR图像目标识别方法. 探测与控制学报. 2020(01): 75-80 . 百度学术
4.	杜进楷，龙海莲，丁冬冬，陈世国. 基于非下采样Shearlet变换的CNN图像融合算法. 电声技术. 2019(03): 37-41+73 . 百度学术
5.	侯思祖，陈宇. 基于NSST和自适应稀疏表示的紫外光与可见光图像融合. 半导体光电. 2019(03): 401-406+411 . 百度学术
6.	杜进楷，丁冬冬，龙海莲，陈世国. 基于NSST和稀疏表示相结合的图像融合算法. 电脑知识与技术. 2019(15): 217-221 . 百度学术
7.	邓辉，王长龙，胡永江，张玉华. 脉冲耦合神经网络在图像融合中的应用研究. 电光与控制. 2019(11): 19-24 . 百度学术
8.	谭海佩，巩青歌，刘曼，罗杰. 基于NSST和模糊隶属度的红外图像增强算法. 激光杂志. 2017(07): 88-93 . 百度学术
9.	葛雯，姬鹏冲，赵天臣. NSST域改进NMF的红外与可见光图像融合. 光电工程. 2016(04): 73-77+83 . 百度学术
10.	潘贇，赵喜玲. NSST域高斯模糊逻辑的图像融合. 应用激光. 2016(03): 351-356 . 百度学术