基于多尺度字典学习的图像融合方法技术

本发明专利技术提供了一种基于多尺度字典学习的图像融合方法，首先进行多尺度学习，对每一幅训练图像分解出S个子带，每个子带对应学习一个子字典；然后对源图像进行小波变换，得到所有源图像的子带，采用SOMP算法求解子带的稀疏表示系数并进行融合，最后进行逆小波变换，得融合图像。本发明专利技术提高了图像表示系数的稀疏度、拟合度，增强了融合图像的细节表现能力，具有更优的融合效果和更好的抑制噪声能力，字典的泛化能力也更强。

【技术实现步骤摘要】

本专利技术涉及一种图像融合方法。
技术介绍
图像融合是指把同一对象经多个传感器的不同成像或经单一传感器的多次成像通过特定方法加以综合，以获得更全面、更准确描述的技术，该技术在医学成像、遥感成像、机器视觉、安全监控等领域有广阔的应用前景。由于基于稀疏表示的图像融合方法表现出了比经典的基于小波、曲波、非下采样轮廓波等融合方法更好的融合效果，从而成为当前图像融合领域的一个非常活跃的研究方向。文献 I “Yang Guang, Xu Xing-zhong, and Man Hong, Optimum imagefusion via sparse representation, WOCC 2011_20th Annual Wirelessand Optical Communications Conference, 2011.，， 和文献 2 “Yu Nan-nan, QiuTian-shuang,and Bi Feng, Image features extraction and fusion based onjoint sparse representation, IEEE Journal本文档来自技高网...

【技术保护点】
一种基于多尺度字典学习的图像融合方法，其特征在于包括下述步骤：(1)对于已经经过配准的K幅大小为M×N的源图像I1,...,IK，用2D小波变换分解每一幅训练图像，每一幅训练图像分解出S个子带，其中，训练图像是源图像本身或与源图像采集方式相同的图像；(2)对所有子带，以步长为1，大小为的滑动窗口按照从左上到右下的顺序提取块，再将块拉直并依次排列组成矩阵，每一子带排列出一个矩阵；(3)对每一个矩阵用K？SVD算法学习一个子字典Db；(4)保存所有学习到的子字典，即子字典Db∈Rn×m,b＝1,2,...,S，n为字典原子的大小，m为每个子字典的原子数；(5)对源图像进行小波变换，得到所有源图像的...

【技术特征摘要】

【专利技术属性】
技术研发人员：彭进业，王珺，何贵青，阎昆，夏召强，冯晓毅，蒋晓悦，吴俊，李会方，谢红梅，杨雨奇，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：