基于RPCA和LatLRR分解的红外与可见光的图像融合

• 作者: 丁健 高清维 卢一相 孙冬
• 来源期刊: 红外技术
• 学科: 工学
• 关键词: 图像融合 深度学习 潜在低秩表示 稀疏矩阵
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 图像处理与仿真|IMAGE PROCESSING AND SIMULATION
• 页码范围: 1-8
• 页数: 8页
• 分类号: TN391
• 语种: 中文

摘要

红外光和可见光图像的融合在视频监控、目标跟踪等方面发挥着越来越重要的作用.为了得到融合效果更好的图像,提出了一种新的基于鲁棒性低秩表示的图像分解与深度学习结合的方法.首先,利用鲁棒性主成分分析对训练集图像进行去噪处理,利用快速的潜在低秩表示学习提取突出特征的稀疏矩阵,并对源图像进行分解,重构形成低频图像和高频图像.然后,低频部分利用自适应加权策略进行融合,高频部分利用深度学习的VGG-19网络进行融合.最后,将新的低频图像与新的高频图像进行线性叠加,得到最后的结果.实验验证了本文提出的图像融合算法在主观评价与客观评价上均具有一定的优势.