多焦点图像融合算法
2017-09-15郭盼何文超弓馨王国健
科技资讯 2017年24期
郭盼++何文超++弓馨++王国健
摘 要:为提高多焦点图像的可读性,对多焦点图像融合算法进行研究。首先将多幅多焦点图像进行小波分解,再对其系数进行非负矩阵分解,从而得到融合系数,通过小波逆变换即得到多焦点图像融合后的图像。经过实验仿真,该融合算法可以有效地完成多幅多焦点图像的融合,确保多焦点图像的可读性。
关键词:多焦点图像 图像融合 小波分解 非负矩阵分解
中图分类号:TP391.41 文献标识码:A 文章编号:1672-3791(2017)08(c)-0253-02
图像融合通常分为3个层次,由低到高依次为:数据级融合、特征级融合、决策级融合。其中,数据级融合也叫做像素级融合,即直接对由传感器采集得到的数据进行图像融合的过程。数据级融合是高层次图像融合的基础,也是目前图像融合研究的重点之一。像素级融合又分为空间域算法和变换域算法[1],其中,变换域的图像融合是当前图像融合算法研究的重点之一,而其中小波变换最为经典。
非负矩阵分解算法(NMF)[2-3]是由Lee和Seung在1999年提出一种矩阵分解算法,该算法使得矩阵经过分解后的元素非负性,可以实现在众多冗余信息中恢复出其主要特征信息,且该数据具有非负性。非负矩阵分解算法可以应用到图像融合中[4-6],通过该算法提取各个图像的主要特征信息,实现图像融合的有效性。
1 基于非负矩阵分解的多焦点图像融合算法
多焦点图像是采用不同的焦点获得的源图像,每一幅源图像具有不同的区域特征,所以将多幅多焦点图像融合即可得到一幅包含全部特征信息的清晰图像,从而加强了多焦点图像的可读性。……
登录APP查看全文
