首页|基于NSCT和卷积稀疏表示的红外与可见光图像融合

基于NSCT和卷积稀疏表示的红外与可见光图像融合

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对红外与可见光图像融合时出现的细节模糊、对比度降低等问题,论文提出了一种基于非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)和卷积稀疏表示(Convolutional Sparse Representation,CSR)的图像融合方法.首先,分别对红外图像和可见光图像进行NSCT分解,获取其高频子带和低频子带.然后,通过导向滤波增强高频子带,并将增强后的高频子带系数通过选择最大值策略进行融合;同时,利用CSR模型和选择最大值策略得到低频子带的融合稀疏系数图,并和学习字典卷积重构低频子带系数.最后,对融合后的各子带系数进行逆NSCT变换,从而得到最终的融合图像.融合实验针对典型的红外与可见光图像进行.实验结果表明,与其他最新方法相比,由论文方法所得到的主观融合图像保留了源图像更多的细节信息、存在的伪影更少,并在客观评价指标方面也具有较好的融合性能.
Infrared and Visible Image Fusion Based on NSCT and Convolutional Sparse Representation

魏亚南、曲怀敬、王纪委、徐佳、张志升、谢明、张汉元

展开 >

山东建筑大学信息与电气工程学院 济南 250101

红外与可见光图像融合 非下采样轮廓波变换 卷积稀疏表示 导向滤波

国家自然科学基金山东省自然科学基金

62003191ZR2014FM016

2022

10.3969/j.issn.1672-9722.2022.02.011

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(2)
  • 3
  • 4