搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于结构张量的变分多源图像融合

赵文达 赵建 续志军

基于结构张量的变分多源图像融合

赵文达, 赵建, 续志军
PDF
导出引用
导出核心图
  • 提出了可以保持源图像特征和细节信息的基于结构张量的变分多源图像融合算法. 首先叙述基于结构张量的融合梯度场, 然后测量每幅源图像的特征图, 根据特征图为源图像的每个梯度构造一个权值, 将携带明显特征的梯度在融合的梯度场中凸显出来, 从而使源图像的特征和细节得到保持, 最后应用变分偏微分方程理论从目标梯度场重建出融合的图像. 实验结果表明, 本文算法融合图像的灰度平均梯度和信息熵均高于小波变换算法、塔分解法和直接梯度融合算法, 视觉效果上,融合图像很好的保留了源图像的特征和细节, 为图像目标检测和识别提供了高质量的图像信息.
    • 基金项目: 国家自然科学基金 (批准号: 05891JM50) 资助的课题.
    [1]

    Zhao L Y, Ma Q L, Li X R 2012 Acta Phys. Sin. 61 194204 (in Chinese) [赵辽英, 马启良, 厉小润 2012 物理学报 61 194204]

    [2]

    Li G X, Xu S Y, Wu W P, Sun T Y, Hao W 2012 Optics and Precision Engineering 20 2773 (in Chinese) [李光鑫, 徐抒岩, 吴伟平, 孙天宇, 郝伟 2012 光学精密工程 20 2773]

    [3]

    Zhang C, Bai L F, Zhang Y 2007 Acta Phys. Sin. 56 3227 (in Chinese) [张闯, 柏连发, 张毅 2007 物理学报 56 3227]

    [4]

    Wang W W, Shui P L, Song G X 2003 Proc. Int. Conf. On Machine Learning and Cybernetics 5 2887

    [5]

    Gan T, Feng S T, Nie S P, Zhu Z Q 2011 Acta Phys. Sin. 60 114205 (in Chinese) [甘甜, 冯少彤, 聂守平, 朱竹青 2011 物理学报 60 114205]

    [6]

    Li S P, Wang L Y, Yan B, Li L, Liu Y J 2012 Chin. Phys. B 21 108703

    [7]

    Socolinsky D A, Wolff L B 1999 Computer Vision and Pattern Recognition 319

    [8]

    Wang C, Yang Q, Tang X O, Ye Z F 2006 IEEE International Conference on Image Processing 989

    [9]

    Piella G 2009 Int. J. Comput. Vis. 83 1

    [10]

    Xu X, Chen Q, Sun H J, Xia D S 2011 Journal of Image and Graphics 16 278 (in Chinese) [许欣, 陈强, 孙怀江, 夏德深 2011 中国图象图形学报 16 278]

    [11]

    Geng S 2012 M. S. Dissertation (Jinan: Shandong Normal University) (in Chinese) [耿帅 2012 硕士学位论文 (济南: 山东师范大学)]

    [12]

    Lao D Z 2007 Variational method (Beijing: National Defense Industry Press) p82 (in Chinese) [老大中 2007 变分法基础 (北京: 国防工业出版社) 第82页]

    [13]

    Press W H, Teukolsky S A, Vetterling W T 2003 The art of scientific computing (Beijing: Publishing House of Electronics Industry)

    [14]

    Han X Z, Zhao J 2012 Optics and Precision Engineering 20 1382 (in Chinese) [韩希珍, 赵建 2012 光学精密工程 20 1382]

    [15]

    Qu G H, Zhang D L, Yan P F 2002 Electronics Letters 38 313

  • [1]

    Zhao L Y, Ma Q L, Li X R 2012 Acta Phys. Sin. 61 194204 (in Chinese) [赵辽英, 马启良, 厉小润 2012 物理学报 61 194204]

    [2]

    Li G X, Xu S Y, Wu W P, Sun T Y, Hao W 2012 Optics and Precision Engineering 20 2773 (in Chinese) [李光鑫, 徐抒岩, 吴伟平, 孙天宇, 郝伟 2012 光学精密工程 20 2773]

    [3]

    Zhang C, Bai L F, Zhang Y 2007 Acta Phys. Sin. 56 3227 (in Chinese) [张闯, 柏连发, 张毅 2007 物理学报 56 3227]

    [4]

    Wang W W, Shui P L, Song G X 2003 Proc. Int. Conf. On Machine Learning and Cybernetics 5 2887

    [5]

    Gan T, Feng S T, Nie S P, Zhu Z Q 2011 Acta Phys. Sin. 60 114205 (in Chinese) [甘甜, 冯少彤, 聂守平, 朱竹青 2011 物理学报 60 114205]

    [6]

    Li S P, Wang L Y, Yan B, Li L, Liu Y J 2012 Chin. Phys. B 21 108703

    [7]

    Socolinsky D A, Wolff L B 1999 Computer Vision and Pattern Recognition 319

    [8]

    Wang C, Yang Q, Tang X O, Ye Z F 2006 IEEE International Conference on Image Processing 989

    [9]

    Piella G 2009 Int. J. Comput. Vis. 83 1

    [10]

    Xu X, Chen Q, Sun H J, Xia D S 2011 Journal of Image and Graphics 16 278 (in Chinese) [许欣, 陈强, 孙怀江, 夏德深 2011 中国图象图形学报 16 278]

    [11]

    Geng S 2012 M. S. Dissertation (Jinan: Shandong Normal University) (in Chinese) [耿帅 2012 硕士学位论文 (济南: 山东师范大学)]

    [12]

    Lao D Z 2007 Variational method (Beijing: National Defense Industry Press) p82 (in Chinese) [老大中 2007 变分法基础 (北京: 国防工业出版社) 第82页]

    [13]

    Press W H, Teukolsky S A, Vetterling W T 2003 The art of scientific computing (Beijing: Publishing House of Electronics Industry)

    [14]

    Han X Z, Zhao J 2012 Optics and Precision Engineering 20 1382 (in Chinese) [韩希珍, 赵建 2012 光学精密工程 20 1382]

    [15]

    Qu G H, Zhang D L, Yan P F 2002 Electronics Letters 38 313

  • 引用本文:
    Citation:
计量
  • 文章访问数:  1789
  • PDF下载量:  801
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-06-27
  • 修回日期:  2013-07-29
  • 刊出日期:  2013-11-05

基于结构张量的变分多源图像融合

  • 1. 中国科学院长春光学精密机械与物理研究所, 长春 130033;
  • 2. 中国科学院大学, 北京 100049
    基金项目: 

    国家自然科学基金 (批准号: 05891JM50) 资助的课题.

摘要: 提出了可以保持源图像特征和细节信息的基于结构张量的变分多源图像融合算法. 首先叙述基于结构张量的融合梯度场, 然后测量每幅源图像的特征图, 根据特征图为源图像的每个梯度构造一个权值, 将携带明显特征的梯度在融合的梯度场中凸显出来, 从而使源图像的特征和细节得到保持, 最后应用变分偏微分方程理论从目标梯度场重建出融合的图像. 实验结果表明, 本文算法融合图像的灰度平均梯度和信息熵均高于小波变换算法、塔分解法和直接梯度融合算法, 视觉效果上,融合图像很好的保留了源图像的特征和细节, 为图像目标检测和识别提供了高质量的图像信息.

English Abstract

参考文献 (15)

目录

    /

    返回文章
    返回