结合分数阶显著性检测及量子烟花算法的NSST域图像融合
2021-07-14林剑萍廖一鹏
光学精密工程 2021年6期
林剑萍,廖一鹏
(1.阳光学院 人工智能学院,福建 福州350015;2.福州大学 物理与信息工程学院,福建 福州350108)
1 引 言
图像融合是通过特定的算法,将两幅或多幅图像在时空上具有相关性或信息上具有互补性的信息提取出来,同时去除冗余的成分,综合成一幅新的图像,从而更全面、准确地表征图像,具有互补性和冗余性,在多个行业领域有着重要的应用[1]。目前图像融合的技术主要有基于多尺度分解、基于神经网络、基于子空间的变换以及多种融合方法的混合等方法[2]。
图像融合算法中最常用、有效的分析方法是基于多尺度分解。多尺度分解能够在深层结构上分析图像的信息,对图像特征描述更为准确。多尺度方法主要包括金字塔变换、小波变换、轮廓波变换(Contourlet Transform)、非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)及非下采样shearlet变换等。其中金字塔算法的分解各层系数之间相关性较强,具有冗余性,采用金字塔算法融合的图像存在图像边缘不够清晰和细节不够丰富等缺点[3];小波变换各层系数相对独立,能够较好地表示图像中的重要信息,得到了更好的应用,但小波变换对图像边缘信息的提取有一定的局限性,不能有效地保留局部特征[4];轮廓波变换的优势在于提取图像边缘的几何形状,但由于上下采样和金字塔结构,会出现冗余移位方差问题,导致吉布斯现象[5];NSCT可实现多分辨率分解,并实现平移不变性,消除了频谱混叠现象,同时更好地表征图像的边缘和纹理信息[6-7],但其方向选择受限,运算效率较低;……
登录APP查看全文
