[发明专利]一种利用高频信息引导的基于稀疏表示的图像融合方法

说明书

本发明涉及一种利用高频信息引导的基于稀疏表示的图像融合方法，步骤一：将图像信息分解成高频部分低频部分：采用非降采样金字塔分解方式，提取图像信息中不同层次上的高频信息。步骤二：利用样本图像的高频信息和低频信息分别完成适应高频信息的过完备字典和适应低频信息的过完备字典建立：通过样例学习方法得到过完备字典。步骤三：利用高频信息引导低频信息的融合。步骤四：采用绝对最大值作为融合策略进行高频信息的融合，得到融合后的各个层次上的高频信息{IH_F}。步骤五：重建融合图像。本发明方法改善了图像稀疏表示后对高频信息不敏感带来的问题；抑制融合中出现的块状效应，对各类型的图像融合都可得到较高质量的融合结果。

【技术领域】

本发明涉及一种利用高频信息引导的基于稀疏表示的图像融合方法，图像融合在图像应用领域具有广泛的应用，隶属于数字图像处理技术领域。

【背景技术】

图像融合是指将多源图像信息或者同源不同条件下的图像信息整合到融合图像的技术，融合的本质是使得图像信息可以克服单一传感器成像的缺陷，使融合后的图像满足人眼识别以及计算机后续处理的要求。图像融合可以使得融合图像从各类源图像中提取更多有效信息，便于图像更加准确的分析和应用。为了充分挖掘并利用各类复杂数据，图像融合技术快速发展起来。图像融合可以分成三个不同层次：像素级图像融合，特征级图像融合和决策级图像融合。由于像素级图像融合是在图像最基础层面上进行融合，可以更加充分地利用图像的全部像素信息，使得像素级图像融合受到广泛关注。像素级图像融合可以大致分为三类方法：基于多尺度分析的图像融合方法，基于稀疏特性分析的图像融合方法，基于图像像素或其他变换域的图像融合方法等。自1996年奥尔斯豪森和大卫提出了模拟人眼视觉系统的稀疏编码机制以来(参见文献：奥尔斯豪森,大卫.通过研究一种针对自然图像的稀疏编码显示简单细胞感受域特性.自然381，1996(6583):607–609(B.A.Olshausen,J.F.David,Emergence of simple-cell receptive field properties by learning asparse code for natural images[J].Nature 381,1996(6583):607–609))，随着对稀疏的深入研究，研究学者发现自然信号本身具有稀疏特性。因此将稀疏特征用于实现图像融合可以得到信息丰富的融合图像。近年来，基于稀疏特征提高图像融合质量的方法层出不穷。