非下采样形态学Shearlet变换:提高结构细节捕捉的图像表示新方法

• 作者: 刘俊良 周石琳 雷琳
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: Shearlet变换 形态学金字塔 结构细节捕捉 图像融合
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 算法研究
• 页码范围: 163-171
• 页数: 9页
• 分类号: TP182
• 字数: 4560字
• 语种: 中文

摘要

针对Shearlet变换缺乏平移不变性以及对结构细节捕捉能力较差等不足,提出提高结构细节捕捉的非下采样形态学Shearlet变换.不同于传统的离散Shearlet变换,本文采用非下采样形态学Haar金字塔分解代替拉普拉斯金字塔分解,实现对源图像的多尺度分解.结构细节捕捉能力较强的非下采样形态学Haar金字塔取消了下采样操作,不仅使变换具有平移不变性,而且提高了变换结构细节捕捉和保持的能力.经过图像融合实验结果对比,验证了该变换在图像融合应用中结构细节捕捉能力的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周石琳	国防科学技术大学电子科学与工程学院	31	267	9.0	15.0
2	雷琳	国防科学技术大学电子科学与工程学院	26	321	11.0	17.0
3	刘俊良	国防科学技术大学电子科学与工程学院	1	6	1.0	1.0