基于稀疏表示的图像融合方法研究.pdf

基于稀疏表示的图像融合方法研究









重庆大学硕士学位论文
(学术学位)


学生姓名：李锦兴
指导教师：柴 毅 教 授
专 业：控制科学与工程
学科门类：工 学


重庆大学自动化学院
二 O 一五年四月
Image fusion algorithms based on sparse
representation





A Thesis Submitted to Chongqing University
in Partial Fulfillment of the Requirement for the
Master’s Degree of Engineering
By
Li Jinxing


Supervised by Prof. Chai Yi
Specialty：Control Science and Engineering


College of Automation of
Chongqing University, Chongqing, China
April, 2015
重庆大学硕士学位论文 中文摘要

摘 要

图像融合技术将同一场景的图像融合为一幅图像，很好地解决了图像之间信
息的互补性和冗余性，从而能更好地描述目标或场景。图像融合主要包括特征提
取、对提取的特征进行融合和重构得到融合后的图像。由于稀疏表示能尽可能的
用少量的原子表示信号，较好地提取出信号的主要特征，本文从稀疏表示理论出
发，针对图像融合的问题，对基于稀疏表示的图像融合算法进行了深入的探索和
研究。
由于基于学****或训练得到的字典能对图像进行自适应地稀疏表示，本文对基
于 MOD (Method of Optimal Directions)和 K-SVD 字典训练算法做了分析和讨论，
并将其应用到图像融合中。同时，稀疏自编码网络(Sparse Auto-Encoder, SAE)可以
较好地对图像进行稀疏表示，并已被广泛地应用于图像处理领域，本文研究了基
于 SAE 的图像融合算法。利用 SAE 训练得到过完备字典，然后对待融合图像进行
稀疏表示，最后融合稀疏系数并重构得到融合图像。本文分别对以上三种基于字
典训练的图像融合算法做了仿真实验，并比较和分析了三种算法的优劣性。
其次，考虑到自然图像往往由多种成分组成，本文研究了一种基于图像卡通
纹理稀疏分解的图像融合算法。本文首先利用稀疏表示模型，采用 MCA-TV
(Morphological Component Analysis with Tota