【技术实现步骤摘要】
基于卷积弹性网络的多聚焦图像融合方法
本专利技术涉及卷积弹性网络模型
，特别涉及基于卷积弹性网络的多聚焦图像融合方法。
技术介绍
现有的多尺度变换和单一稀疏域多聚焦图像融合方法存在空间分辨率低、模糊性差的缺点，为解决上述问题，本专利技术结合卷积弹性网络的优越性，提出了一种新的卷积弹性网络模型的多聚焦图像融合算法，获得了较好的对比度和清晰度。
技术实现思路
本专利技术针对现有技术的缺陷，提供了一种基于卷积弹性网络的多聚焦图像融合方法，解决了现有技术中存在的缺陷。为了实现以上专利技术目的，本专利技术采取的技术方案如下：一种基于卷积弹性网络的多聚焦图像融合方法，包括如下步骤：步骤1、源图像分解，对两个预先配准好的源图像sk(k＝A,B)进行图像分解，获得它们的细节分量和低频分量步骤2、细节分量融合；子步骤如下：1)利用ADMM(交替方向乘子法)方法得到了一个高频字典系数映射集2)活跃映射Ak可以表示为其中，是第k幅图像的高频字典系数映射集，|...
【技术保护点】
1.一种基于卷积弹性网络的多聚焦图像融合方法，其特征在于，包括如下步骤：/n步骤1、源图像分解，对两个预先配准好的源图像s
【技术特征摘要】
1.一种基于卷积弹性网络的多聚焦图像融合方法，其特征在于，包括如下步骤：
步骤1、源图像分解，对两个预先配准好的源图像sk(k＝A,B)进行图像分解，获得它们的细节分量和低频分量
步骤2、细节分量融合；子步骤如下：
1)利用ADMM交替方向乘子法方法得到了一个高频字典系数映射集
2)活跃映射Ak可以表示为
其中，是第k幅图像的高频字典系数映射集，||·||表示的1-范数；
3)通过以下融合策略得到细节层的融合字典系数映射集；
其中，xf,m和表示细节层的稀疏系数，k*表示获得最大Ak时的k值，表示Ak达到最大值时k的取值；
4)最后，细节层融合如下：
其中，xf,m是细节层的稀疏系数，dm(m∈1,...,M)是一组字典过滤器；
步骤3、低频分量融合，基本层的融合规则和细节层的一致；
步骤4、图像重建，根据重建策略获得融合图像。
2.根据权利要求1所述的多聚焦图像融合方法，其特征在于：所述的步骤1，其中图像分解操作如下：
其中，η是正则化参数，sk是待融合的源图像，sLk是源图像的低频分量，表示Frobenius范数。
3.根据权利要求2所述的多聚焦...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。