基于结构张量的变分多源图像融合

赵文达; 赵建; 续志军

doi:10.7498/aps.62.214204

搜索

期刊名称:

年:

起始页:

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

物理学报. 2013, 62(21): 214204.

doi: 10.7498/aps.62.214204.

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.

关键词:

作者及机构信息

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.

参考文献

[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

施引文献

[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

物理学报. 2013, 62(21): 214204.

doi: 10.7498/aps.62.214204.

基于结构张量的变分多源图像融合

赵文达^{1 2}
赵建¹
续志军¹

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.

收稿日期: 2013-06-27
修回日期: 2013-07-29
刊出日期: 2013-11-05

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.

关键词:

English Abstract

Variational multi-source image fusion based on the structure tensor

1.
Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun 130033, China;

2.
University of Chinese Academy of Sciences, Beijing 100049, China

Fund Project:
Project supported by the National Natural Science Foundation of China (Grant No. 05891JM50).

Received Date: 27 June 2013
Accepted Date: 29 July 2013
Published Online: 05 November 2013

Abstract: This article describes the variational multi-source image fusion using the structure tensor algorithm, which can keep the image features and details very well. We first narrative the fusion gradient field based on structure tensor, then measure the characteristic graphs of each source image, and thus construct a weight value for the source image gradient according to the characteristic graph. Gradients with high image features are highlighted in the fusion gradient field, and thus image features in the sources are well preserved. By using variational partial differential equation, the fusion image is reconstructed from the target gradient field. From the actual experimental results, the average gradient value and entropy of the fused image are found to be higher than those obtained by using the wavelet transform algorithm, tower decomposition algorithm, and direct gradient fusion algorithm, and the visual effect of the fusion image is good enough to retain the feature of source images and details in it. Therefore, it can give qualified image information for target detection and identification.

Keywords:

全文HTML

参考文献 (15)

下载: 全尺寸图片幻灯片

返回文章

搜索

留言板