传统基于压缩感知的图像融合算法在通过压缩感知观测图像高频分量时会丢失分量的空间信息,仅能采用简单规则进行融合,导致融合图像纹理细节等信息效果较差。针对此,文中提出了一种结合图像高频特征的自适应融合规则。首先,对融合图像进行非下采样contourlet变换(NSCT),分解后得到的低频子带系数采用区域能量融合规则,较传统低频系数处理更好的保留源图像的背景信息;然后,由于高频子带系数具有较高稀疏性,因此通过压缩感知进行压缩后根据标准差特征自适应选择融合规则;最后,对重构系数进行非下采样contour

针对NSCT变换分解得到的各个方向子带稀疏度不同的问题,文中提出了1种基于改进的CS_NSCT图像融合方法。首先对待融合图像进行NSCT分解,接着对得到的高频分量采用自适应的压缩感知方法进行压缩,并在压缩域融合后重构;对低频分量采用DCT能量准则融合,最后对融合后的高低频分量进行NSCT重构。仿真实验结果表明,文中方法在减少了数据量的同时有效提高了图像的熵值、标准偏差、平均梯度等指标。

针对基于非下采样轮廓波变换(NSCT) 的图像融合算法存在计算复杂度较高的问题, 提出一种基于NSCT 和压缩感知的图像融合方法. 首先根据压缩感知理论的特点将其应用于图像融合领域, 并采用Min-TV 的方法重构图像; 然后对NSCT 进行分解, 其计算量较大的带通子带系数采用基于压缩感知理论的图像融合方法; 最后对低通融合图像和带通融合图像进行NSCT 逆变换, 得到最终的融合图像. 通过仿真实验, 从主观感知和客观数据的对比分析上验证了所提出方法的有效性.