基于結(jié)構(gòu)化字典學習的圖像融合算法研究及應用.pdf

1、隨著時代的發(fā)展，人們獲取信息的方式逐漸轉(zhuǎn)變?yōu)橥ㄟ^圖像獲取。為了獲取更加豐富準確的圖像信息，我們研制出了應用于各種場景、功能不同的成像傳感器。每種成像傳感器的成像機理不同，所獲取的圖像內(nèi)容特點各不相同。為了使圖像的質(zhì)量能夠滿足各種需求，圖像融合作為一種能夠綜合利用各自圖像特點、把各傳感器成像的互補信息融合進一幅能夠含有更加豐富信息圖像的重要技術(shù)手段，被廣泛應用于各領(lǐng)域，例如軍事、醫(yī)學疾病診斷、遙感等領(lǐng)域。
　　本研究主要內(nèi)容包括：⑴

2、根據(jù)自然圖像中含有豐富結(jié)構(gòu)信息這一特點，在稀疏表示中字典學習算法中提出了自適應學習結(jié)構(gòu)化字典學習算法。稀疏表示作為一種類似人的視覺皮層神經(jīng)元對圖像編碼的理論。它以過完備字典作為基對圖像進行表示時只需要少量的字典原子就能夠揭示圖像內(nèi)容的本質(zhì)。在本文中通過研究字典在表示圖像信號時的特點，即圖像中的結(jié)構(gòu)信息需要組合一些原子來對其表示。根據(jù)這一特點通過稀疏表示系數(shù)呈現(xiàn)的規(guī)律能夠在訓練的過程中自適應的得到字典的分組信息。本文充分研究了稀疏表示系數(shù)

3、的性質(zhì)，使得到的結(jié)構(gòu)化字典的分組信息更加準確，從而使字典的表示能力得到較大提升。⑵通過分析字典學習算法，可以發(fā)現(xiàn)該算法時通過字典原子的表現(xiàn)出的相似性而得到的組結(jié)構(gòu)，這樣的一種分組過程會導致字典中的原子相似性較高，尤其是組內(nèi)原子的相關(guān)性會很高。但是當字典中原子的相似性太高會導致字典在表示圖像信號中某些特征時會受到影響，這樣會使字典的表示能力下降。為了解決這個問題，在字典學習的過程中加入了相關(guān)性的判斷使字典原子不會過于相似，即當組內(nèi)原子的相

4、似性太高就把其中的原子刪掉再加入新的原子進行補充。通過這種技術(shù)手段能夠使學習到的字典的多樣性得到提升，從而使字典的表示能力得到顯著提升。⑶分析現(xiàn)有的基于稀疏表示圖像融合的融合規(guī)則存在的問題，即在融合時利用l1范數(shù)最大融合規(guī)則融合得到的圖像，會在融合圖像中丟失掉源圖像中的一些顯著信息，且在異質(zhì)圖像融合時這種融合規(guī)則會在融合圖像中產(chǎn)生不連續(xù)的圖像內(nèi)容。為了避免現(xiàn)有基于稀疏表示圖像融合的融合規(guī)則存在的問題，通過分析現(xiàn)有的結(jié)構(gòu)化字典其背后的物理