Compressed Sensing Based on the Single Layer Wavelet Transform for Image Fusion

In this paper, a new method of combination single layer wavelet transform and compressive sensing is proposed for image fusion. In which only measured the high-pass wavelet coefficients of the image but preserved the low-pass wavelet coefficient. Then, fuse the low-pass wavelet coefficients and the measurements of high-pass wavelet coefficient with different schemes. For the reconstruction, by using the minimization of total variation algorithm (TV), high-pass wavelet coefficients could be recovered by the fused measurements. Finally, the fused image could be reconstructed by the inverse wavelet transform. The experiments show the proposed method provides promising fusion performance with a low computational complexity.

基于CS测量矩阵优化的图像融合

测量矩阵是压缩感知理论的三大核心部分之一,它直接影响着压缩感知理论在图像融合领域的应用。针对随机测量矩阵不易硬件实现的问题,本文设计了一种仅由-1、0和1三个值组成的测量矩阵,并利用基于Gram矩阵的优化方法使其尽可能地与稀疏变换矩阵不相关。实验结果表明,该测量矩阵不仅能提高重构图像的PSNR(Peak Signal to Noise Ratio),而且将其应用于基于压缩感知的图像融合中,在采样率仅为非压缩域50%的情况下仍能取得较好的融合效果。

基于NSST-CS的多聚焦图像融合

传统的图像融合算法仅仅关注图像融合质量,忽略了图像融合效率,造成了处理数据量多、运行时间长以及传输和存储压力大等问题。为了弥补这一缺点,提出了一种新的多聚焦图像融合方法,利用压缩感知与非下采样剪切波变换这两种技术相结合方式来对图像进行处理。在此基础上,根据高频与低频子带各自的特性,对融合规则进行了设计。仿真结果表明,利用该算法所得出的图像,在主观视觉以及客观评价等方面都能取得较好的效果,不仅可以保证一定的图像质量,同时也提升了融合效率。

基于压缩感知的红外与可见光图像融合算法

压缩感知是一种新的信号采样理论,突破了传统的Nyquist采样率须为信号最高频率的2倍以上的定理。对于稀疏信号,它能够以远低于Nyquist采样速率对信号进行采样,并通过重构算法恢复出原信号。提出了一种基于压缩感知的红外与可见光图像融合算法,对图像进行测量,并通过融合算法对测量值进行融合。仿真实验显示,压缩感知能较好地实现图像的融合。

基于压缩感知的ECT/CT双模融合系统成像方法

过程成像(PT)技术以两相/多相流为主要测量对象。ECT/CT双模融合可拓宽过程层析成像技术的测量范围,实现信息的互补与融合。设计了ECT/CT双模态传感器,提出测量数据融合方法及其成像数学模型。针对融合后数据采集量增大,影响系统响应速度的问题,基于压缩感知原理,对测量数据随机采样,并运用L1正则化算法重建图像,在不影响成像质量的前提下,进一步提高成像速度,以适应在线观测与控制多相流型的需要。

结合目标提取和压缩感知的红外与可见光图像融合

针对红外与可见光图像融合易受噪声干扰从而使目标信息减弱的问题,提出了一种基于目标区域提取和压缩感知的融合算法。首先,在频率域上对红外图像进行显著区域检测得到其对应的显著度图,并在显著图指导下结合区域生长法提取红外图像的目标区域,有效抑制噪声与复杂背景的干扰。然后,用非下采样剪切波变换对待融合的图像进行分解,采用不同的融合策略分别对目标与背景区域的高、低频子带进行融合。针对背景区域提出一种新的基于多分辨率奇异值分解和压缩感知的融合规则,最后,进行非下采样剪切波逆变换得到融合图像。与其他算法的对比实验结果表明,本文算法能更好地突出目标区域,保留图像细节信息,抑制噪声干扰;图像质量评价指标中的信息熵、标准差、互信息、边缘保持度分别提高了3.94%,19.14%,9.96%和8.52%。

一种基于小波稀疏基的压缩感知图像融合算法

随着压缩感知技术的发展,基于压缩感知的图像融合技术研究逐渐受到越来越多的重视。针对图像小波分解系数特点,提出了一种基于双放射状采样模式的压缩传感域图像融合算法。该算法首先通过双放射状采样模式获得待融合图像的小波稀疏域线性测量值;然后利用一种简单的绝对值最大融合规则直接在压缩感知域进行融合,最后通过最小全变分的方法重构融合图像。主客观实验结果表明,该算法具有良好的融合效果。

基于改进非下采样轮廓波的图像融合算法

针对红外光和可见光传感器难以同时获取清晰的目标和场景问题,提出一种基于非下采样Contourlet系数压缩感知的可见光和红外图像融合方法。首先采用非下采样Contourlet变换对可见光图像和红外图像分别进行多尺度、多方向分解,得到各自的非下采样Contourlet系数;然后对两种图像的低频系数采用加权与平均相结合的系数融合方案直接融合,对两种图像的带通方向子带系数采用伪随机傅里叶矩阵进行观测后将观测值进行加权融合,再对融合后的带通方向子带观测值进行系数重构,最后通过非下采样Contourlet逆变换重构图像。数值实验显示,该融合算法计算复杂度低,融合效果好,能同时得到目标和场景均清晰的融合图像。

基于DWT的高频系数压缩感知图像融合

传统的基于DWT的压缩感知图像融合方法针对的是整个稀疏系数,由于小波系数的低频部分为非稀疏的,导致其压缩重构质量差。针对该问题,提出了一种基于DWT高频系数压缩测量的融合方法,该压缩模式可以提高重构信号的质量,进而提高融合图像的效果。首先,对图像作小波稀疏变换,得到低频和高频系数,并对高频系数压缩测量得到测量值;然后,在小波域和压缩域分别进行融合,并对融合后的测量值进行重构得到融合后的高频系数;最后,经小波逆变换得到融合后的图像。实验结果表明,本压缩感知模式较传统的压缩感知模式在减少压缩数据量的同时提高了图像的融合效果。

一种基于全变差模型的欠采样图像重构方法

基于全变差范数最小化模型,构造了一种新的图像重构算法;利用欠采样域内的融合信息,结合构造的图像重构算法,提出了一种基于压缩感知理论的图像融合模型.数值实验表明,构造的重构算法与传统算法相比,在一定程度上减少了所需的采样数量;提出的融合模型对多类图像具有较优的融合效果.

基于分块压缩感知的遥感图像融合

对大数据量遥感图像融合,常规融合方法需考虑图像所有像素点,而全局压缩采样融合重构计算成本高、存储需求大。首先利用分块压缩感知(BCS)对输入图像进行压缩采样,再对压缩测量采用线性加权策略融合,最后采用迭代阈值投影(ITP)重构算法重构融合图像,并消除分块效应。提出了一种基于BCS的遥感图像融合方法,并给出其详细实现流程。仿真结果表明了ITP算法计算成本低、重构精度高。实际资料测试表明BCS融合方法与常规小波加权融合结果相比,除了平均梯度有所差别外,在平均值、标准差和信息熵等定量分析和视觉特征上基本相同。该算法用较少采样点实现有效压缩融合,存储需求小、重构成本低,融合决策过程简单,有利于大数据量遥感图像的融合。

抗混叠轮廓波域采用压缩感知的云图融合方法

提出一种采用压缩感知的云图融合方法.该方法针对传统轮廓波存在频谱混叠的缺点,结合抗混叠塔式滤波器组和方向滤波器组,构造出一种抗混叠的轮廓波变换,并将其引入压缩感知中的稀疏表示环节,将云图分解成稠密和稀疏两部分;对稠密成份采用传统方法进行融合,而对稀疏成份,则在压缩感知框架下,通过少数线性测量的融合,并采用二步迭代收缩的图像重构算法,在迭代时利用前面两个估计值更新当前值,得到融合结果.实验表明,该方法的融合结果无论在视觉质量及定量指标上都明显优于传统方法,有利于揭示全面的天气信息.

结合随机投影和稀疏表示的图像融合方法

引入压缩感知理论解决基于稀疏表示的图像融合方法中融合质量和数据压缩问题,探索在达到一定融合质量的同时降低融合所需计算代价的方法.该方法首先利用随机投影对待融合图像数据进行压缩,再对压缩数据进行稀疏表示得到稀疏系数,根据融合影响因子确定融合稀疏表示系数获得融合图像.实验验证了该算法的合理性和有效性,及在较低压缩比下具有与传统方法可比拟的融合质量.

基于压缩感知和NSCT-PCNN的PET/CT医学图像融合算法

针对非下采样Contourlet变换(NSCT)后计算复杂度高以及医学融合图像质量差等问题,提出一种基于压缩感知和脉冲耦合神经网(PCNN)的图像融合方法。首先将源图像进行NSCT单层分解;其次,对计算量较大的高频子带采用高斯随机测量矩阵进行压缩测量,融合规则选用绝对值取大的方法,对融合后的高频图像采用正交匹配追踪算法(OMP)进行重构;然后对低频子带采用基于PCNN的融合规则,将低频子带系数作为信号激励PCNN网络,根据低频图像的特性选择较大点火次数的系数作为低频子带融合系数;最后对高频融合图像和低频融合图像通过NSCT逆变换,得到最终的融合图像。实验结果表明:该算法无论从人眼视觉效果还是客观评价指标上均优于其他算法,且具有较强的鲁棒性。

基于压缩感知的遥感图像融合方法

压缩感知理论,以远低于奈奎斯特采样定理要求的速率对图像进行采样,可利用图像的部分信息重构原始图像,有效地减轻图像处理的计算复杂度,降低对硬件的要求。文中提出了一种基于压缩感知的遥感图像融合方法。在压缩域对多光谱和全光谱遥感图像进行了融合实验,并与传统的融合方法进行了比较,实验结果表明,文中方法在遥感图像融合上有着良好的性能。

基于压缩感知与自适应PCNN的医学图像融合

针对非下采样轮廓波变换(NSCT)域内基于脉冲耦合神经网络(PCNN)的图像融合方法融合效果较差、计算复杂度较高等问题,提出一种在非下采样剪切波变换(NSST)域内基于压缩感知(CS)和自适应PCNN的融合算法。源图像在NSST域内被分解成高低频,采用改进的PCNN融合低频子带系数,使用像素的平方差总和当作其激励因素,选取方向梯度总和作为其链接强度,对计算量较大的高频子带系数采用CS进行处理,经过NSST逆变换获得融合图像。实验结果表明,与NSCT融合算法、NSST与PCNN相结合的算法等相比,该算法能获得较好的信息熵、空间频率、边缘信息评价因子,且运行时间较短。

基于多分辨率变换和压缩感知的PET/CT融合方法

针对移动医疗背景下医学图像融合信息交互的局限性问题,提出一种基于多分辨率变换NSCT和压缩感知理论的肺癌PET/CT图像融合算法。第一步,对源图像进行单层NSCT分解;第二步,通过分析PET和CT不同的成像机制和显像信息,对分解后具有较差稀疏性且主要集中源图像大部分能量的低频子带,采取高斯隶属度函数加权的融合规则,对主要呈现源图像细节信息的高频子带使用高斯随机矩阵进行压缩测量,选择基于平均梯度和区域能量的方法法对高频测量值进行融合;第三步,采取正交匹配追踪算法重构融合后的高频测量值;第四步,对低频融合图像和重构后的高频融合图像进行NSCT逆变换得到最终的融合图像;最后,对该算法进行了两方面的仿真实验:与其他压缩感知图像融合方法的比较以及与其他多分辨率图像融合方法的比较,实验结果表明,该算法是有效可行的。

改进的压缩感知重构算法及其在图像融合中的应用

为了提升压缩感知图像的重构精度,该文提出一种伪逆自适应压缩感知重构算法。该算法在总结已有贪婪算法的基础上,从最优原子的选择方式和支撑集更新过程两方面对已有算法进行改进。将算法应用于基于压缩感知原理的图像融合框架,实验结果表明,改进算法的重构图像质量优于基本贪婪类算法,应用于图像融合时可在较短的时间内得到更好的融合结果。

压缩传感条件下红外和可见光图像融合技术的研究

为了提高夜间对目标的识别能力,红外和可见光图像融合技术被广泛应用到夜视系统中。使用压缩传感技术可以通过获取信号的少量线性投影来保留信号的完整信息,解决红外成像中红外探测器件与图像分辨率之间的矛盾。以压缩传感测量值作为图像内容特征,直接进行图像融合,可以减少重构误差和计算量。因此本文提出一种压缩传感条件下的红外和可见光图像融合算法。首先,本文算法同时考虑融合图像和原始图像的相似度和对原始图像特征的保留程度,提出一个新颖的代价函数。然后,采用L1范数优化求解该代价函数,得到融合图像对应的稀疏系数。最后,利用字典和该稀疏系数重构为融合图像。通过和几种压缩传感条件下的融合算法比较,可以看出本文算法在主观视觉效果和客观评价方面均具有显著优势。该算法为压缩传感条件下的图像融合提供一种新的有效手段。

基于区域特性的压缩感知多聚焦融合算法

传统的基于压缩感知的图像融合算法是对整个系数进行稀疏处理,而小波分解后的低频系数不稀疏,导致压缩重构质量降低,并且传统的融合规则不易简单、全面地提取高频系数的特征值。针对这一问题,分别对小波分解得到的高、低频系数采取不同的融合规则进行处理,提出了一种改进的区域特性高频压缩感知的融合算法。其中,低频系数采用区域方差加权绝对值最大融合;高频系数首先通过具有较好RIP性质的随机观测矩阵进行压缩采样,得到的观测值基于能量匹配度的不同进行相加或加权融合,以融合不同方向的高频子带特征信息,再用正交匹配追踪重构算法对高频部分进行信号重构。最后,低频、高频信息在小波逆变换下重构出融合图像。实验结果表明,与以往的基于压缩感知的融合方法相比,此算法的融合图像更清晰,新算法无论是在主观评价还是客观评价指标上都有利于图像信号重构,并具有较好的使用性。