基于稀疏理论与FFST-GIF的多聚焦图像融合算法

摘要：

为解决稀疏理论融合后多聚焦图像细节特征模糊、综合效果不佳等问题,提出了一种将稀疏理论与快速有限剪切波变换联合引导滤波(FFST-GIF)相结合的图像融合算法.利用FFST从原始图像中分解出高频和低频子带系数,采用引导滤波的相对标准差算法融合细节信息丰富的高频系数;使用K-SVD方法训练得到完备字典,再结合稀疏理论融合低频系数;通过逆FFST将融合后的高、低频子带系数进行再融合,得到新的融合图像.基于MATLAB,选取哈佛大学数据库中的脑核磁共振图像为样本,采用平均梯度(AG)、空间频率(SF)、互信息(MI)以及边缘保留信息传递因子(QAB/F)4个客观评价指标,将所提出算法与基于非下采样轮廓波变换与脉冲耦合神经网络的多聚焦图像融合算法等3种不同融合算法进行对比,进行了不同变换域融合试验与不同融合算法试验.结果表明,所提出算法在客观综合评价指标与视觉效果方面均取得了突出优势,各评价指标参数都有较大提升,AG、QAB/F最高值分别可达0.0813、0.7935,所提出算法有较好的应用前景.

关键词：多聚焦图像、图像融合、相对标准差、稀疏表示、引导滤波、快速有限剪切波变换

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省高校自然科学研究项目;江苏省"青蓝工程"项目

在线出版日期：2022-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：195-200