图像差与加权核范数最小化的压缩图像融合

计算机工程与科学

图像差与加权核范数最小化的压缩图像融合

苏金凤，张贵仓，汪凯

（西北师范大学数学与统计学院，甘肃兰州 730070）

收稿日期:2018-11-22 修回日期:2019-01-08 出版日期:2019-10-25 发布日期:2019-10-25
基金资助:
国家自然科学基金(61861040);甘肃省教育厅科技成果转化项目(2017D-09);甘肃省科技项目(17YF1FA119);兰州市科技计划项目(2018-4-35)

Compressed image fusion based on image

difference and weighted kernel norm minimization

SU Jin-feng,ZHANG Gui-cang,WANG Kai

(School of Mathematics and Statistics,Northwest Normal University,Lanzhou 730070,China)

Received:2018-11-22 Revised:2019-01-08 Online:2019-10-25 Published:2019-10-25

摘要/Abstract

摘要：

现有的图像融合算法存在非线性操作产生的噪声干扰和空间复杂度高等问题，使得融合图像易失真和丢失信息。一些学者提出的压缩感知图像融合算法能有效改善这一问题，但大多忽略了图像矩阵的低秩性，往往会降低融合质量。由此，将压缩感知融合技术与低秩矩阵逼近方法相结合，提出基于信息论图像差与自适应加权核范数最小化的图像融合算法。该算法由3个阶段组成。首先，将2幅源图像通过小波稀疏基稀疏化，并利用结构随机矩阵压缩采样，得到测量输出矩阵。然后，将测量输出矩阵进行分块，再利用图像差融合算法得到融合后的测量输出矩阵块。最后，利用自适应加权核范数最小化优化得到的块权重，通过正交匹配追踪法重建融合图像。实验结果表明了该算法的有效性和普适性，并且在多种评价指标上优于其他融合算法。

关键词: 图像融合, 压缩感知, 信息论, 图像差, 加权核范数最小化

Abstract:

Existing image fusion algorithms have some problems caused by non-linear operations, such as noise interference and spatial complexity, which make fused images easy to cause distortion and information loss. Compressed sensing image fusion algorithms proposed by some scholars can effectively improve this problem. However, most of them neglect the low rank of image matrix, thus often reducing the quality of fusion. Thus, combining the compressed sensing fusion technology with the low rank matrix approximation method, we propose an image fusion method based on information theory image difference and adaptive weighted kernel norm minimization. The method consists of three stages. Firstly, the two source images are sparsed by wavelet sparse basis, and the measurement output matrix is obtained by compressing the samplings with structural random matrix. Then, the measurement output matrix is divided into blocks, and the fused measurement output matrix blocks are obtained by using the image difference fusion algorithm. Finally, the block weights obtained by adaptive weighted kernel norm minimization method are used to reconstruct the fused image by the orthogonal matching pursuit method. Experimental results verify the validity and universality and show that our method is superior to other fusion algorithms in many evaluation indexes.

Key words: image fusion, compressed sensing, information theory, image difference, weighted kernel norm minimization

苏金凤，张贵仓，汪凯. 图像差与加权核范数最小化的压缩图像融合[J]. 计算机工程与科学.

SU Jin-feng,ZHANG Gui-cang,WANG Kai.

Compressed image fusion based on image

difference and weighted kernel norm minimization

[J]. Computer Engineering & Science.

[1]	邓文博, 刘帅, 刘福才, 黄茹楠. 基于压缩感知和DNA编码的图像加密算法[J]. 计算机工程与科学, 2022, 44(09): 1574-1582.
[2]	李一, 李阳, 苗壮, 王家宝, 张睿. 一种扩展VIFB的红外与可见光图像融合基准[J]. 计算机工程与科学, 2022, 44(06): 1072-1082.
[3]	张丽霞, 曾广平, 宣兆成. 多源图像融合方法的研究综述[J]. 计算机工程与科学, 2022, 44(02): 321-334.
[4]	张贵仓, 王静, 苏金凤. 改进稀疏表示与积化能量和的多聚焦图像融合[J]. 计算机工程与科学, 2022, 44(01): 124-131.
[5]	郭媛, 王充, 杜松英. 基于广义变参Fibonacci混沌系统的压缩感知测量矩阵构造算法[J]. 计算机工程与科学, 2021, 43(03): 503-510.
[6]	张丽霞, 曾广平, 宣兆成. NSST域下SPCNN与SR结合的多源图像融合[J]. 计算机工程与科学, 2020, 42(11): 2042-2049.
[7]	张贵仓, 苏金凤, 拓明秀. DTCWT域的红外与可见光图像融合算法[J]. 计算机工程与科学, 2020, 42(07): 1226-1233.
[8]	王杨1,2，向秀梅1,2，卢嘉1,2，郁振鑫1,2. 基于双目融合的无参考立体图像质量评价[J]. 计算机工程与科学, 2020, 42(03): 510-516.
[9]	王健1,2,张修飞1,任萍1,院文乐1. 基于增补小波变换和PCNN的NSCT域图像融合算法[J]. 计算机工程与科学, 2018, 40(10): 1822-1828.
[10]	王威1,2，张佳娥1,2. 基于引导滤波和shearlet稀疏的遥感图像融合算法[J]. 计算机工程与科学, 2018, 40(08): 1453-1458.
[11]	王威1,2，张佳娥1,2. 基于引导滤波和shearlet稀疏的遥感图像融合算法[J]. 计算机工程与科学, 2018, 40(07): 1250-1255.
[12]	谢成阳，牛玉刚，邹媛媛，肖楠. 一种基于混合压缩感知的WSN能耗优化方法[J]. 计算机工程与科学, 2017, 39(04): 656-662.
[13]	陈清江，张彦博，柴昱洲，魏冰蔗 . 结合区域特性的有限离散剪切波图像融合[J]. 计算机工程与科学, 2017, 39(02): 351-358.
[14]	胡学先1，刘文芬1，张启慧2. 信息安全专业信息论课程教学方法探讨[J]. 计算机工程与科学, 2016, 38(增刊): 224-227.
[15]	张永平1，张功萱2. 一种基于最小二乘优化的快速压缩感知算法[J]. 计算机工程与科学, 2016, 38(08): 1709-1714.