基于联合稀疏表示的图像融合.docVIP

上海大学2014～2015学年冬季学期研究生课程考试 文献阅读报告 课程名称： 数字图像处理与识别 课程编号： 07SAY9007 题目: 基于联合稀疏表示的图像融合 研究生姓名: 学 号: 评语: 成 绩: 任课教师: 评阅日期: 基于联合稀疏表示的图像融合 2014年11月26日 摘 要：本文通过理论分析与实验仿真来研究基于联合稀疏表示的图像融合方法。首先介绍图像融合和联合稀疏表示的研究背景和研究现状，并给出基于联合稀疏表示的图像融合方法的基本框架，然后就联合稀疏表示图像融合方法的基本原理进行了简单介绍，最后本文给出基于联合稀疏表示的图像融合实验效果图，并作出了实验分析。通过实验后的融合视觉效果图，我们可以得出结论：基于联合稀疏表示的图像融合方法能够很好地实现图像的融合，并具有很好的视觉效果。 关键词：联合稀疏表示，滑窗技术，图像融合，稀疏系数 Image Fusion Based on Joint Sparse Representation Abstract: In this paper, the potential application of joint sparse representation in the image fusion is studied both in?theoretical analysis and experimental simulation. First, we provide a brief introduction to the?background?and?present situation of joint sparse representation. Then we introduce the skeleton?structure of joint sparse representation for fusing images. After that, we introduce the basic?theory of joint sparse representation, in which we obtains sparse coefficients by joint sparse representation optimization problem and we get the fused coefficient by the fused rules based on impact factor. Finally, The experimental results indicate that the three algorithms provides efficiency and promising fusion results, which demonstrates the great and benefits of combining the joint sparse representation and image fusion. Index Terms: joint sparse representation, image fusion, sparse coefficient 1. 引言 随着科学技术的发展，由于单一传感器获取信息有限，难以满足实际需求，传感器的工作模式由单工作模式转变为多工作模式[1]。 图像融合是20世纪70年代提出的概念，是多传感器信息融合的一个重要分支[1]。图像融合是指将来自不同传感器在同一时间或不同时间获取的关于某一场景的两个或两个以上的图像或序列加以综合，以便获得信息更全面、更适合人类视觉感知或更适合进一步图像处理的过程[2]。 图像融合在卫星遥感、计算机视觉、医学图像、气象预报以及军事目标识别等领域有着广泛的应用[3]。例如：CT和核磁共振MRI图像的融合处理有利于对疾病的准确判断；红外图像和可见光图像的融合技术可以提高目标识别和目标定位的准确度。 近年来，图像的稀疏性受到广泛关注，被应用到很多图像处理问题中。 1996年Olshausen和nied在Nature[4]发表论文中指出了图像数据的稀疏性本质，即自然图像本身存在稀疏性，这为图像稀疏性的应用奠定了基础。利用Donoho、Candes和Tao等人在04年提出了压缩感知(CS)[5]，进一步发展了稀疏表示理论，将稀疏表示理论推向了一个新的高度。06年，RICE大学的 D.Baron [6]等人将分布式信源编码与