Joint implementation of image fusion and super-resolution based on convolutional sparse representation

doi:10.13741/j.cnki.11-1879/o4.2020.02.018

您当前的位置：

首页 >

文章列表页 >

Joint implementation of image fusion and super-resolution based on convolutional sparse representation

更新时间：2025-09-01

- Joint implementation of image fusion and super-resolution based on convolutional sparse representation
- Vol. 46, Issue 2, Pages: 236-246(2020)
- 作者机构：
  
  1:昆明理工大学信息工程与自动化学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2020.02.018
  CLC：
- Published：2020
- 稿件说明：
移动端阅览
Joint implementation of image fusion and super-resolution based on convolutional sparse representation[J]. 2020, 46(2): 236-246.
DOI：

Joint implementation of image fusion and super-resolution based on convolutional sparse representation[J]. 2020, 46(2): 236-246. DOI： 10.13741/j.cnki.11-1879/o4.2020.02.018.

摘要

为避免图像融合与超分辨率分步实现的不足

提出了基于卷积稀疏表示的融合与超分辨率重建联合实现方法。假设低分辨率与高分辨率图像之间具有相同的稀疏特征图

设计了一种高、低分辨率滤波器联合学习框架

实现对图像高低频成分的分离

并根据不同成分的形态特性设计了不同的融合规则:对于高频成分

根据稀疏特征图亮度信息和像素活跃性水平

设计了一种像素显著性度量方案来指导高频特征图的融合;对于低频成分

根据脉冲耦合神经网络能捕获邻域相似像素点火的特性

设计了低频成分融合方法。所提方法不需要将图像分割成重叠的块

避免块向量化的缺陷。实验结果表明

能有效提高图像融合的质量。

Abstract

关键词

Keywords

references

Views

228

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Image fusion algorithm based on features extracting and pulse-coupled neural network

Multi-source image fusion based on discriminative dictionary learning and morphological component decomposition

Adaptive fusion algorithm of infrared visible light image based on compressed sensing coupling gradient descent

Infrared and visible image fusion algorithm based on 2D empirical mode decomposition and non-subsampled directional filter banks

Multi focus image fusion algorithm based on discrete Curvelet transform and adaptive energy model

Related Author

王志慧

赵保军

冯永霖

沈庭芝

王一棠

张佳丽

熊芳芳

肖宁

Related Institution

1:内蒙古大学电子信息工程学院电子工程系

2:北京理工大学信息科学技术学院电子工程系

3:华北空管局内蒙分局技术保障部

1:南充职业技术学院电子信息工程系

2:山西财经大学信息工程学院

⁰