卷积稀疏表示图像融合与超分辨率联合实现

您当前的位置：

首页 >

文章列表页 >

卷积稀疏表示图像融合与超分辨率联合实现

光学图像处理 | 更新时间：2025-09-01

- 卷积稀疏表示图像融合与超分辨率联合实现
- Joint implementation of image fusion and super-resolution based on convolutional sparse representation
- 光学技术 2020年46卷第2期页码：236-246
- 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：
  
  国家自然科学基金(61302041,61562053)
- DOI：10.13741/j.cnki.11-1879/o4.2020.02.018
  中图分类号：
- 纸质出版：2020
- 稿件说明：
移动端阅览
杨默远, 李凡, 谢明鸿, 等. 卷积稀疏表示图像融合与超分辨率联合实现[J]. 光学技术, 2020,46(2):236-246.

Joint implementation of image fusion and super-resolution based on convolutional sparse representation[J]. 2020, 46(2): 236-246.
杨默远, 李凡, 谢明鸿, 等. 卷积稀疏表示图像融合与超分辨率联合实现[J]. 光学技术, 2020,46(2):236-246. DOI： 10.13741/j.cnki.11-1879/o4.2020.02.018.

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.

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。

浏览量

228

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于特征提取和脉冲耦合神经网络的图像融合算法

基于判别字典学习与形态成分分解的多源图像融合

基于压缩感知耦合梯度下降的红外-可见光图像自适应融合算法

2D经验模态分解与非下采样方向滤波器组的红外与可见光图像融合算法

基于离散Curvelet变换与自适应能量模型的多聚焦图像融合算法