A novel multi-modality image fusion method based on image decomposition and sparse representation
A novel multi-modality image fusion method based on image decomposition and sparse representation
复制标题
一种基于图像分解和稀疏表示的多模态图像融合新方法
DOI：
10.1016/j.ins.2017.09.010
复制
发表时间：
2017-09
期刊：
影响因子：
--
通讯作者：
Guanqiu Qi
中科院分区：
文献类型：
--
作者：
Zhiqing Zhu;Hongpeng Yin;Yi Chai;Guanqiu Qi
多模态图像融合是将多模态图像中的互补信息融合成一幅完整图像的有效技术。这些附加信息不仅可以增强人眼的可见度，而且可以相互补充每个图像的局限性。为了在保持原图像结构信息的同时，更好地表现原图像的细节信息，提出了一种基于图像卡通-纹理分解和稀疏表示的图像融合方法。在所提出的图像融合方法中，源多模态图像被分解为卡通和纹理分量。对于卡通组件，提出了一种适当的基于空间的方法来保持形态结构。采用基于能量的融合规则来保持源图像的结构信息。对于纹理分量，提出了一种基于稀疏表示的方法。提出的基于稀疏表示的融合方法训练了一个具有较强表示能力的字典。最后，根据纹理增强融合规则，将融合后的卡通和纹理分量进行融合。实验结果清楚地表明，所提出的方法优于国家的最先进的方法，在视觉和定量评价。
Multi-modality image fusion is an effective technique to fuse the complementary information from multi-modality images into an integrated image. The additional information can not only enhance visibility to human eyes, but also mutually complement the limitations of each image. To preserve the structure information and perform the detailed information of source images, a novel image fusion scheme based on image cartoon-texture decomposition and sparse representation is proposed. In proposed image fusion method, source multi-modality images are decomposed into cartoon and texture components. For cartoon components a proper spatial-based method is presented for morphological structure preservation. An energy based fusion rule is used to preserve structure information of each source image. For texture components, a sparse-representation based method is proposed. A dictionary with strong representation ability is trained for the proposed sparse-representation based fusion method. Finally, according to the texture enhancement fusion rule, the fused cartoon and texture components are integrated. The experimentation results have clearly shown that the proposed method outperforms the state-of-art methods, in terms of visual and quantitative evaluations.
登录
查看更多内容
DOI：
10.1109/tim.2016.2514779
发表时间：
2016-03-01
影响因子：
5.6
作者：
Liu, Huaping;Guo, Di;Sun, Fuchun
通讯作者：
Sun, Fuchun
DOI：
10.1016/s0031-3203(04)00103-7
发表时间：
2004-09
期刊：
--
影响因子：
--
作者：
Gonzalo Pajares Martinsanz;J. García
通讯作者：
Gonzalo Pajares Martinsanz;J. García
DOI：
10.1016/j.jfranklin.2016.08.024
发表时间：
2016-11-01
影响因子：
4.1
作者：
Cao, Jiuwen;Hao, Jiaoping;Luo, Minxia
通讯作者：
Luo, Minxia
影响因子：
10.6
作者：
Sheikh, HR;Bovik, AC
通讯作者：
Bovik, AC
基于多尺度变换和稀疏表示的图像融合通用框架
影响因子：
18.6
作者：
Liu, Yu;Liu, Shuping;Wang, Zengfu
通讯作者：
Wang, Zengfu