可见光与红外图像结构组双稀疏融合方法研究

基金项目: 山西省高等学校科技创新项目(2017162)%太原科技大学博士启动基金(20162004)%山西省"1331"工程重点创新团队建设计划资助(20193-3)%山西省面上自然基金项目(201901D111260)

详细信息

Visible and Infrared Image Fusion Based on Structured Group and Double Sparsity

摘要: 传统的可见光与红外稀疏表示融合方法,采用图像块构造解析字典或者学习字典,利用字典的原子表征图像的显著特征.这类方法存在两个问题,一是没有考虑图像块与块之间的联系,二是字典的适应能力不够并且复杂度高.针对这两个问题,本文提出可见光与红外图像结构组双稀疏融合方法.该方法首先利用图像的非局部相似性,将图像块构建成图像相似结构组,然后对图像相似结构组进行字典训练,采用双稀疏分解模型,有效结合解析字典和学习字典的优势,降低了字典训练的复杂度,得到的结构字典更加灵活,适应性提高.该方法能够有效提高红外与可见光融合图像的视觉效果,经对比实验分析,在主观和客观评价上都优于传统的稀疏表示融合方法.
- 图像融合 /
- 非局部相似性 /
- 结构组 /
- 双稀疏模型

1.	陈黎艳，熊强强，曾美琳. 基于改进逆滤波的红外图像目标信息快速复原研究. 激光杂志. 2022(08): 164-168 . 百度学术
2.	王志社，姜晓林，武圆圆，王君尧. 可见光与红外图像组K-SVD融合方法. 红外技术. 2021(05): 455-463 . 本站查看