基于CSR-MCA的图像融合方法

作者：李鑫翔; 张龙波^*; 王雷; 周晓宇

来源：智能计算机与应用, 2019, 9(06): 24-31.

• 图像融合
• 稀疏表示
• 卷积稀疏表示
• 形态成分分析

为了解决图像融合过程中图像信息重影失真的缺点,提出了基于卷积稀疏表示(convolutional sparse representation,CSR)和形态成分分析(morphological component analysis,M CA)的图像融合方法。利用卷积稀疏表示的优越性对形态成分分析模型进行改进,形成CSR-MCA的新型模型,可以同时实现源图像的多组件和全局稀疏表示。使用预学习的CSR-MCA模型得到源图像的平滑和细节成分的稀疏表示,然后使用不同的融合规则对每个图像分量进行融合,利用相应的字典对融合后的分量进行叠加重构获得最终的融合图像。实验结果表明,相比传统图像融合方法,本文提出的方法在主观上能很好地保留图像信息,并减少重影和失真的产生;在客观评价上,其在标准差、互信息、熵、平均梯度、空间频率等指标上表现更为优越。

• 单位
  山东理工大学