自适应标准差特征的压缩感知图像融合

张　烨

(西安科技大学 通信与信息工程学院, 陕西 西安710054)

生活中较常见的两类图像为红外图像和可见光图像，这两类图像由不同的传感器获得，成像机理不同，特点不同[1]。融合红外图像与可见光图像具有较高的研究和应用价值，因此得到了广泛应用[2-3]。目前，图像融合领域中大都以提高图像融合质量为主要考虑因素，而实际生活中，在安全监控、战场感知等应用领域，传感图像大多以动态序列的形式输出，这些系列图像需要被实时地融合处理。若还使用传统的图像融合方法要达到实时处理的效果，不仅实现的复杂度增大，而且很大程度上增加了传输、储存、重构的成本。因此，压缩感知理论(CS理论)[4-5]的引入解决了这个问题。

在基于压缩感知的图像融合算法中，原图像的空间信息在通过CS观测时丢失，因此处理测量系数时不能够使用基于空间的选取规则，复杂的融合规则也无法采用[6]。融合规则大多选择绝对值取大、信息熵加权、相似性度量、标准差加权等简单方法。但由于绝对值取大法得到的融合图像对比度太大，且有明显噪点；信息熵只能笼统计算出包含在观测向量中的信息；相似性度量无法准确得到分类区间而造成分类错误；基于标准差加权得到的融合图像相比之下视觉效果较好，但是，当两幅图像标准差相差不大时，根据系数的权重融合图像很可能导致图像融合效果变差，而使用绝对值取大法则能够获取两幅图像各自瞬变特征的显著信息[7]。……