基于CSR-MCA的图像融合方法

• 作者: 周晓宇 张龙波 李鑫翔 王雷
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 图像融合 稀疏表示 卷积稀疏表示 形态成分分析
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 学术研究与应用
• 页码范围: 24-28,31
• 页数: 6页
• 分类号: TP391
• 字数: 3980字
• 语种: 中文

摘要

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,MCA)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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张龙波	山东理工大学计算机科学与技术学院	36	178	7.0	11.0
2	王雷	山东理工大学计算机科学与技术学院	21	99	6.0	9.0
3	周晓宇	山东理工大学计算机科学与技术学院	4	3	1.0	1.0
4	李鑫翔	山东理工大学计算机科学与技术学院	2	0	0.0	0.0