基于NSST和稀疏表示相结合的图像融合算法
本文针对传统的多尺度变换和稀疏表示在图像融合中存在的一些不足,提出了一种基于非下采样shearlet变换(NSST)的低频域稀疏表示(SR)和高频域脉冲耦合神经网络(PCNN)的图像融合算法(简称NSST-LSR-HPCNN),并对低频域稀疏表示系数采用改进的拉普拉斯能量和(SML)取大的规则进行融合.仿真结果表明,NSST-LSR-HPCNN算法中低频域稀疏表示系数采用SML取大的规则融合图像的空间频率SF、互信息量MI、边缘保持度QAB/F的数值均高于本文其他几种对比算法融合图像的数值,在高频域融合规则相同的情况下,相比于低频域稀疏表示系数采用L1范数取大的融合规则,本文算法的SF提高了0.19%、MI提高了5.98%、QAB/F提高了0.57%,SF、MI、QAB/F指标均具有较优值.本文算法有效的综合了红外图像和可见光图像中的信息,融合图像更加全面的携带了源图像中的有效信息特征,在主观视觉效果和客观评价指标上均优于其他几种对比融合算法.
多尺度变换、稀疏表示、低频域、高频域、红外图像、可见光图像
15
TP302(计算技术、计算机技术)
贵州师范大学研究生创新基金资助YC[2017]042;贵州省科学技术基金:辐射探测信号的数字处理算法研究项目合同黔科合J字[2010]2145号
2019-06-21(万方平台首次上网日期,不代表论文的发表时间)
共5页
217-221