论文部分内容阅读
多聚焦图像融合是图像融合的一个分支,其主要目的是提取源图像中的清晰区域,并将其融合成一幅新的图像。新的图像与任意一幅源图像相比包含更多的清晰区域,更有助于对拍摄场景的理解或进一步的图像处理。近年来,由于稀疏表示在图像处理领域中的良好表现,越来越多的研究学者将稀疏表示应用在图像融合中,提出了很多基于稀疏表示的图像融合算法。在这些基于稀疏表示的图像融合算法中,基于非负稀疏表示的图像融合算法同时对表示系数进行稀疏约束和非负约束,使得表示系数具有纯加性并且具有更加明确的物理意义。然而,在现有的基于非负稀疏表示的图像融合算法中依然存在以下不足:(1)在非负稀疏编码过程中,每一个图像块单独进行非负稀疏编码,图像块之间的相似性等特征未考虑在内,导致对于源图像的本质特征提取的不完整;(2)构建的非负字典比较冗余。基于此,本文首先构建了一个一致性约束非负稀疏表示模型,然后将其应用在多聚焦图像融合中。实验结果表明本文提出的融合算法优于现有的一些多聚焦图像融合算法。本文的主要工作如下:(1)为非负稀疏表示模型构建紧凑非负字典。除了非负约束外,对字典原子增加正交约束以此降低非负字典的冗余性。实验结果表明本文构建的紧凑非负字典不仅具有较强的表示能力,还能够降低整个融合算法的计算复杂度。(2)提出一致性约束非负稀疏表示模型。将一致性约束项与传统非负稀疏表示模型相结合,构建一致性约束非负稀疏表示模型。使得相似的图像块在相同的非负字典下的表示系数也是相似的。实验结果表明,相比于传统非负稀疏表示模型,一致性约束非负稀疏表示模型能够更好地提取源图像的有用信息。(3)提出一种基于一致性约束非负稀疏表示的多聚焦图像融合算法。该算法主要包括五个部分:(a)利用固定大小的窗口无重叠地遍历源图像,将源图像分为多个子图像块,然后按照字典语义顺序将子图像块向量化;(b)利用本文提出的紧凑非负字典构建模型构建非负字典,训练样本从高清自然图像中随机选取;(c)利用紧凑非负字典和本文提出的一致性约束非负稀疏表示模型对图像块进行非负稀疏编码,构建源图像的非负稀疏表示系数;(d)利用“2l范数取大”的融合规则构建图像块级标记矩阵并将其映射为像素级标记矩阵(也被称为决策图);(e)利用决策图在空域中构建融合图像。实验结果表明本文提出的算法图像融合领域中的有效性。