基于方向多尺度群低秩分解的全色图像锐化方法.pdf
建英****66
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于方向多尺度群低秩分解的全色图像锐化方法.pdf
本发明公开一种基于方向多尺度群低秩分解的全色图像锐化方法,其实现的步骤为:(1)输入源图像;(2)获得LMS和dPan图像;(3)计算多光谱图像MS和下采样全色图像dPan光谱相关系数;(4)非下采样轮廓小波分解;(5)构建数据矩阵;(6)矩阵低秩分解;(7)重构高低频稀疏矩阵;(8)注入高低频稀疏矩阵(9)非下采样轮廓小波反变换;(10)输出高分辨率图像。本发明利用非下采样轮廓小波变化与矩阵低秩分解提取全色图像的轮廓结构信息与细节,并采用新的高低频注入模型,减少了全色图像过度注入而引起的光谱扭曲,最终得
基于多尺度低秩矩阵分解的红外与可见光图像融合方法.pdf
本发明公开了一种基于多尺度低秩矩阵分解的红外与可见光图像融合方法,其基于多尺度低秩矩阵分解将预处理后的红外图像和预处理后的可见光图像分解为多层次局部低秩图和全局低秩图两类,并根据各分解图像特点,针对性设计最优融合规则,得到的最终融合图像在不引入人工伪影和斑块的同时,能够保留原图的细节信息、增强热辐射显著目标,具有较好的对比度,有利于后续目标识别、检测等应用的开展。
基于低秩稀疏分解和PCNN的图像融合方法.pdf
本发明提出了一种基于图像低秩与稀疏成分分解和PCNN相结合的图像融合方法。首先在低秩分解的基础上,结合稀疏表示,通过不同的字典,对不同成分进行稀疏表达得到对应成分的编码系数。然后在融合过程中,采用一种“绝对值”取大的策略对低秩成分进行融合,以保留源图像的亮度信息;对于稀疏成分,不同于传统的融合策略,本发明采用梯度特征激励PCNN的方法进行融合,能更大程度保留更多的源图像边缘细节信息。最后,将低秩融合部分和稀疏部分相加,便得到最终的融合结果。针对不同类型的图像,本发明提出的方法无论在视觉效果还是客观指标上,
基于空间概率PCA与NSCT的全色图像锐化方法.pdf
本发明公开一种基于空间概率PCA与NSCT的全色图像锐化方法,其实现的步骤为:(1)输入源图像;(2)获得图像;(3)关系矩阵;(4)提取第一主成分PRPC1;(5)直方图匹配;(6)非下采样轮廓小波分解;(7)重构第一主成分;(8)空间概率发变换;(9)输出高分辨率图像。本发明利用空间概率消除了传统的全色影像锐化算法隐含的假设图像数据服从独立同分布这一限制,并采用一种新的融合规则进一步挖掘图像的关系,最终得到较好保存光谱信息和边缘细节特征更为明显的高分辨率的图像。
一种基于低秩分解和卷积稀疏编码的多源图像融合的方法.pdf
本发明公开了一种基于低秩分解和卷积稀疏编码的多源图像融合的方法,属于数字图像处理技术领域。本发明充分考虑了图像块之间的一致性,通过一组滤波器和稀疏特征图来表示整张图像,不需要将图像切块处理,使得最终融合图像的效果保留了源图像丰富的细节信息,细节更加清晰,不管是从主观视觉上还是客观评价指标上来看实验结果,本发明的融合结果优于其他传统的方法,验证了本发明的有效性。