Article基于张量分解和卷积稀疏表示的多曝光图像融合Multi-exposure.PDFVIP

Opto-Electronic Engineering Article 光 电 工 程 2019 年，第46 卷，第 1 期 DOI: 10.12086/oee.2019.180084 基于张量分解和卷积稀疏表示 的多曝光图像融合 1 1,2* 1,3 戚余斌 ，郁 梅 ，姜 浩 ， 1 1,2 邵 华 ，蒋刚毅 1 315211 2 210093 3 315012 摘要：针对多曝光图像融合中存在细节丢失和颜色失真等问题，本文提出了一种基于张量分解和卷积稀疏表示的多曝 光图像融合方法。张量分解作为一种对高维数据低秩逼近的方式，在多曝光图像特征提取方面有较大的潜力，而卷积 稀疏表示是对整幅图像进行稀疏优化，能最大程度地保留图像的细节信息。同时，为了避免融合图像出现颜色失真， 本文采取亮度与色度分别融合的方式。首先通过张量分解得到源图像的核心张量；然后在包含信息最多的第一子带上 提取边缘特征；接着对边缘特征图进行卷积稀疏分解，继而利用分解系数的 L1 范数来得到每个像素的活跃水平；最后 用“赢者取全”策略生成权重图，从而加权得到融合后的亮度分量。与亮度融合不同的是，色度分量则采用简单的高斯加 权方式进行融合，在一定程度上解决了融合图像的颜色失真问题。实验结果表明，所提出的方法具有良好的细节保留 能力。 关键词：张量分解；卷积稀疏表示；字典学习；多曝光融合 中图分类号：O436.3；TP391.41 文献标志码：A 引用格式：戚余斌，郁梅，姜浩，等. 基于张量分解和卷积稀疏表示的多曝光图像融合[J]. 光电工程，2019 ，46(1): 180084 Multi-exposure image fusion based on tensor decomposition and convolution sparse representation 1 1,2* 1,3 1 1,2 Qi Yubin , Yu Mei , Jiang Hao , Shao Hua , Jiang Gangyi 1Faculty of Information Science and Engineering, Ningbo University, Ningbo, Zhejiang 315211, China; 2National Key Lab of Software New Technology Nanjing University, Nanjing, Jiangsu 210093, China; 3Ningbo Key Lab of Intelligent Household Appliances, Zhejiang Business Technology Institute, Ningbo, Zhejiang 315012, China Abstract: In view of the problem about the loss of detail and color distortion in multi-exposure image fusion, this paper proposed a multi-exposure image fusion method based on tensor decomposition and convolution sparse re- presentation. Tensor decomposition, as an approach of low-rank approximation for high-dimensional data, has great potential in feature extraction of multi-exposure images. Convolution sparse representation is a sparse optimization —————————————————— 收稿日期：2018-04-14； 收到修改稿日期：2018-07-13 基金