基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对多曝光图像融合中存在细节丢失和颜色失真等问题,本文提出了一种基于张量分解和卷积稀疏表示的多曝光图像融合方法.张量分解作为一种对高维数据低秩逼近的方式,在多曝光图像特征提取方面有较大的潜力,而卷积稀疏表示是对整幅图像进行稀疏优化,能最大程度地保留图像的细节信息.同时,为了避免融合图像出现颜色失真,本文采取亮度与色度分别融合的方式.首先通过张量分解得到源图像的核心张量;然后在包含信息最多的第一子带上提取边缘特征;接着对边缘特征图进行卷积稀疏分解,继而利用分解系数的L1范数来得到每个像素的活跃水平;最后用"赢者取全"策略生成权重图,从而加权得到融合后的亮度分量.与亮度融合不同的是,色度分量则采用简单的高斯加权方式进行融合,在一定程度上解决了融合图像的颜色失真问题.实验结果表明,所提出的方法具有良好的细节保留能力.
推荐文章
基于自适应稀疏表示的多聚焦图像融合
稀疏表示
多聚焦图像融合
自适应
梯度值
基于低秩表示的非负张量分解算法
图像分类
低秩表示
非负
张量分解
基于稀疏表示与能量分解的无参考图像质量评价
无参考图像质量评价
稀疏表示
能量分解
奇异值分解
L1范数
基于深度图像和稀疏表示的多手势识别算法
深度图像
稀疏表示
多目标手势
手势分割
手势识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于张量分解和卷积稀疏表示的多曝光图像融合
来源期刊 光电工程 学科 工学
关键词 张量分解 卷积稀疏表示 字典学习 多曝光融合
年,卷(期) 2019,(1) 所属期刊栏目 科研论文
研究方向 页码范围 1-13
页数 13页 分类号 O436.3|TP391.41
字数 6739字 语种 中文
DOI 10.12086/oee.2019.180084
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 郁梅 宁波大学信息科学与工程学院 200 2051 21.0 40.0
5 邵华 宁波大学信息科学与工程学院 13 38 4.0 5.0
6 姜浩 宁波大学信息科学与工程学院 11 20 3.0 4.0
10 戚余斌 宁波大学信息科学与工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (6)
参考文献  (18)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(4)
  • 参考文献(2)
  • 二级参考文献(2)
2015(5)
  • 参考文献(3)
  • 二级参考文献(2)
2016(3)
  • 参考文献(2)
  • 二级参考文献(1)
2017(6)
  • 参考文献(6)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
张量分解
卷积稀疏表示
字典学习
多曝光融合
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
光电工程
月刊
1003-501X
51-1346/O4
大16开
四川省成都市双流350信箱
1974
chi
出版文献量(篇)
4776
总下载数(次)
5
论文1v1指导