可见光与红外图像组K-SVD融合方法

• 作者: 王志社 姜晓林 武圆圆 王君尧
• 来源期刊: 红外技术
• 关键词: 图像融合 非局部相似性 结构组矩阵 组K-SVD
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 图像处理与仿真|IMAGE PROCESSING AND SIMULATION
• 页码范围: 455-463
• 页数: 9页
• 分类号: TP391.4
• 语种: 中文

摘要

传统稀疏表示融合方法,以图像块进行字典训练和稀疏分解,由于没有考虑图像块之间的内在联系,易造成字典原子表征图像特征能力不足、稀疏系数不准确,导致图像融合效果不好.为此,本文提出可见光与红外图像组K-SVD(K-means singular value decomposition)融合方法,利用图像的非局部相似性,将相似图像块构造成图像结构组矩阵,通过组K-SVD进行字典训练和稀疏分解,可以有效提高字典原子的表征能力及稀疏系数的准确性.实验结果表明,该方法在主观和客观评价上都优于传统稀疏融合方法.