基于卷积稀疏表示的图像融合方法

图像融合是图像处理领域中比较重要的一门技术,传统的图像融合方法会降低图像融合质量。针对稀疏表示在图像融合中存在一定的缺陷,提出了一种基于卷积稀疏表示的图像融合方法。首先,对高频子带系数进行合理有效处理,利用相似度分析和视觉显著性进行融合。然后,将低频子带系数整体融合改进为使用Butworth低通滤波对低频子带进行分解,得到低频近似子带和强边缘子带。最后,再用改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)对强边缘子带进行融合。实验结果表明,与其它传统的图像融合方法相比,信息熵(Information Entropy,IE)提高了将近3%,标准差(Standard Deviation,SD)提高了将近9%,空间频率(Space Frequency,SF)提升了将近30%,互信息(Mutual Information,MI)提升了将近25%。同时,时间效率也有了一定程度地提升。     

基于NSST的PCNN-SR卫星遥感图像融合方法

针对卫星传感器成像的特点,提出了一种基于非下采样剪切波变换的脉冲耦合神经网络与稀疏表示相结合的卫星遥感图像融合方法。通过使用不同的融合规则对子带系数进行融合,得到信息更丰富的多光谱图像。为了验证该方法的有效性,实验过程使用了地球眼卫星数据和快鸟卫星数据,实验结果表明,该方法的实验结果无论从视觉效果还是客观评价指标上均优于对比方法得到的结果。