卷积稀疏与细节显著图解析的图像融合

目的 针对图像融合中信息量不够丰富和边缘细节模糊问题，结合多尺度分析、稀疏表示和显著性特征等图像表示方法，提出一种卷积稀疏与细节显著图解析的图像融合方法。方法 首先构造一种自适应样本集，训练出契合度更高的字典滤波器组。然后将待融合图像进行多尺度分析得到高低频子图，对低频子图进行卷积稀疏表示，通过权重分析构建一种加权融合规则，得到信息量更加丰富的低频子图；对高频子图构造细节显著图，进行相似性分析，建立一种高频融合规则，得到边缘细节更加凸显的高频子图。最后进行相应逆变换得到最终图像。结果 实验在随机挑选的3组灰度图像集和4组彩色图像集上进行，与具有代表性的7种融合方法进行效果对比。结果表明，本文方法的视觉效果明显较优，平均梯度上依次平均提高39.3%、32.1%、34.7%、28.3%、35.8%、28%、30.4%；在信息熵上依次平均提高6.2%、4.5%、1.9%、0.4%、1.5%、2.4%、2.9%；在空间频率上依次平均提高31.8%、25.8%、29.7%、22.2%、28.6%、22.9%、25.3%；在边缘强度上依次平均提高39.5%、32.1%、35.1%、28.8%、36.6%、28.7%、31.3%。结论 本文方法在一定程度上解决了信息量不足的问题，较好地解决了图像边缘细节模糊的问题，使图像中奇异性更加明显的内容被保留下来。

Image fusion method of convolution sparsity and detail saliency map analysis