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

引用本文:
Citation:

基于结构张量的变分多源图像融合

赵文达, 赵建, 续志军

Variational multi-source image fusion based on the structure tensor

Zhao Wen-Da, Zhao Jian, Xu Zhi-Jun
PDF
导出引用
  • 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.
    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.
    • 基金项目: 国家自然科学基金 (批准号: 05891JM50) 资助的课题.
    • Funds: Project supported by the National Natural Science Foundation of China (Grant No. 05891JM50).
    [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

  • [1] 张航瑛, 王雪琦, 王华英, 曹良才. 基于明度分量的Retinex-Net图像增强改进方法. 物理学报, 2022, 71(11): 110701. doi: 10.7498/aps.71.20220099
    [2] 王健, 吴重庆. 低差分模式群时延少模光纤的变分法分析及优化. 物理学报, 2022, 71(9): 094206. doi: 10.7498/aps.71.20212198
    [3] 宋强, 孙晓兵, 刘晓, 提汝芳, 黄红莲, 王昊. 基于偏振信息探究水下环境气泡群对目标成像的影响. 物理学报, 2021, 70(14): 144201. doi: 10.7498/aps.70.20202152
    [4] 周静, 张晓芳, 赵延庚. 一种基于图像融合和卷积神经网络的相位恢复方法. 物理学报, 2021, 70(5): 054201. doi: 10.7498/aps.70.20201362
    [5] 李群, 陈谦, 种景. InAlN/GaN异质结二维电子气波函数的变分法研究. 物理学报, 2018, 67(2): 027303. doi: 10.7498/aps.67.20171827
    [6] 陈园园, 杨盼杰, 张玮芝, 阎晓娜. 光子晶体理论研究的新方法混合变分法. 物理学报, 2016, 65(12): 124206. doi: 10.7498/aps.65.124206
    [7] 张梦若, 陈开鑫. 一种简单精准的渐变折射率分布光波导分析方法. 物理学报, 2015, 64(14): 144205. doi: 10.7498/aps.64.144205
    [8] 丁光涛. 阻尼最速落径问题和约束与运动定理的联系. 物理学报, 2014, 63(7): 070201. doi: 10.7498/aps.63.070201
    [9] 熊庄, 汪振新, Naoum C. Bacalis. 基于改进变分法对原子激发态精确波函数的研究. 物理学报, 2014, 63(5): 053104. doi: 10.7498/aps.63.053104
    [10] 冯鑫, 李川, 胡开群. 基于深度玻尔兹曼模型的红外与可见光图像融合. 物理学报, 2014, 63(18): 184202. doi: 10.7498/aps.63.184202
    [11] 杨晓勇, 薛海斌, 梁九卿. 自旋相干态变换和自旋-玻色模型的基于变分法的基态解析解. 物理学报, 2013, 62(11): 114205. doi: 10.7498/aps.62.114205
    [12] 甘甜, 冯少彤, 聂守平, 朱竹青. 基于分块DCT变换编码的小波域多幅图像融合算法. 物理学报, 2011, 60(11): 114205. doi: 10.7498/aps.60.114205
    [13] 戴继慧, 郭旗. 强非局域非线性介质中的旋转涡旋光孤子. 物理学报, 2009, 58(3): 1752-1757. doi: 10.7498/aps.58.1752
    [14] 黄时中, 马 堃, 吴长义, 倪秀波. 氦原子1sns组态能量及其相对论修正. 物理学报, 2008, 57(9): 5469-5475. doi: 10.7498/aps.57.5469
    [15] 戴继慧, 郭 旗. 非局域非线性介质中光束传输的拉盖尔-高斯变分解. 物理学报, 2008, 57(8): 5001-5006. doi: 10.7498/aps.57.5001
    [16] 白东峰, 郭 旗, 胡 巍. 非局域克尔介质中厄米高斯光束传输的变分研究. 物理学报, 2008, 57(9): 5684-5689. doi: 10.7498/aps.57.5684
    [17] 张 闯, 柏连发, 张 毅. 基于灰度空间相关性的双谱微光图像融合方法. 物理学报, 2007, 56(6): 3227-3233. doi: 10.7498/aps.56.3227
    [18] 童 治, 魏 淮, 简水生. 分布式光纤拉曼放大器在长距离光传输系统中的优化设计. 物理学报, 2006, 55(4): 1873-1882. doi: 10.7498/aps.55.1873
    [19] 罗来龙. 碳纤维混凝土中的隧道电流. 物理学报, 2005, 54(6): 2540-2544. doi: 10.7498/aps.54.2540
    [20] 刘玉孝, 赵振华, 王永强, 陈玉红. 氦原子和类氦离子基态能量的变分计算及相对论修正. 物理学报, 2005, 54(6): 2620-2624. doi: 10.7498/aps.54.2620
计量
  • 文章访问数:  3776
  • PDF下载量:  814
  • 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