李华峰;何晓歌;俞正涛;罗杰波 外部块先验引导下低阶稀疏分解的噪声图像融合。 (英语) Zbl 1458.94047号 信息科学。 523,14-37(2020). 摘要:在含噪图像融合中,同时实现噪声抑制和细节保持是一个挑战。为了应对这一挑战,我们提出了一种新的含噪图像融合策略。假设图像可以建模为低秩稀疏(LR和S)分量的叠加,我们开发了一种新的判别字典学习算法来构造两个字典,以便将输入图像分解为LR和S分量。具体来说,为了使字典具有鉴别能力,我们对每个字典实施空间形态学约束。此外,我们通过利用低阶分量的相似性来开发类内一致性约束,并将其施加到编码系数上,以进一步提高学习字典的区分能力。在图像分解中,利用图像的外部块先验和内部自相似先验建立图像分解模型,在此基础上通过相似块聚类学习的子空间的秩正则化最小化来估计融合和恢复的潜在子空间。为了构造融合结果的不同分量,我们使用(l_1)范数最大化规则对分解后的分量进行融合。最后,将融合后的分量相加得到融合图像。实验表明,我们的方法在客观质量评估和主观视觉感知方面都优于几种最新的方法。 引用于4文件 MSC公司: 94A08型 信息与通信理论中的图像处理(压缩、重建等) 关键词:图像融合;字典学习;低阶分解;稀疏表示 软件:BSDS公司 PDF格式BibTeX公司 XML格式引用 \textit{H.Li}等人,《信息科学》。523、14-37(2020年;Zbl 1458.94047) 全文: 内政部 参考文献: [1] 亚哈龙,M。;Elad,M。;Bruckstein,A.,K-SVD:一种为稀疏表示设计过完备字典的算法,IEEE Trans。信号处理。,54, 11, 4311-4322 (2006) ·兹比尔1375.94040 [2] 蔡,J。;坎迪斯,E。;Shen,Z.,矩阵补全的奇异值阈值算法,SIAM J.Optim。,1956-1982年4月20日(2008年)·Zbl 1201.90155号 [3] 坎迪斯,E。;李,X。;马云(Ma,Y.)。;Wright,J.,稳健主成分分析,J.ACM(JACM),58,3,1-39(2011)·Zbl 1327.62369号 [4] 陈,F。;张,L。;Yu,H.,用于图像去噪的外部补丁优先引导内部聚类,IEEE计算机视觉国际会议(ICCV),603-611(2015),IEEE [5] Cvejic,N。;Loza,A。;Canagarajah,N.,图像融合算法评估的相似性度量,Int.J.Signal Process。,2, 3, 178-182 (2005) [6] Daubechies,I。;Defriese,M。;DeMol,C.,具有稀疏约束的线性反问题的迭代阈值算法,Commun。纯应用程序。数学。,57, 11, 1413-1457 (2004) ·Zbl 1077.65055号 [7] 丁,Z。;邵,M。;Fu,Y.,用于零快照学习的低秩嵌入式集成语义词典,IEEE计算机视觉和模式识别会议(CVPR),6005-6013(2017),IEEE [8] Dong,W。;张,L。;Shi,G。;Li,X.,图像恢复的非局部集中稀疏表示,IEEE Trans。图像处理。,22, 4, 1620-1630 (2013) ·Zbl 1373.94104号 [9] Dong,W。;张,L。;Shi,G。;Wu,X.,通过自适应稀疏域选择和自适应正则化进行图像去模糊和超分辨率,IEEE Trans。图像处理。,20, 7, 1838-1857 (2011) ·Zbl 1372.94072号 [10] Elad,M。;Aharon,M.,通过学习词典上的稀疏和冗余表示进行图像去噪,IEEE Trans。图像处理。,第15、12、3736-3745页(2006年) [11] 黄,Y。;Xu,Y。;孙,Y。;Ji,H.,通过判别集成进行分类的稀疏编码,IEEE计算机视觉和模式识别会议(CVPR),5839-5847(2016),IEEE [12] 姜瑜。;Wang,M.,带形态成分分析的图像融合,Inf.fusion,18,107-118(2014) [13] 江,Z。;林,Z。;Davis,L.,通过标签一致的K-SVD学习稀疏编码的判别字典,IEEE计算机视觉和模式会议(CVPR),1697-1704(2011) [14] Kim,M。;Han,D.K。;Ko,H.,多模态图像融合中基于联合补丁聚类的字典学习,Inf.fusion,27198-214(2016) [15] W·孔。;水,P。;Feng,X.,多焦点图像融合和去噪的变分模型,IEEE信号处理。莱特。,15, 65-68 (2008) [16] 李,H。;何,X。;陶,D。;Tang,Y。;Wang,R.,通过判别低秩稀疏字典学习进行联合医学图像融合、去噪和增强,模式识别。,79, 130-146 (2018) [17] 李,H。;李,X。;于,Z。;毛,C.,结合混合阶结构张量和多尺度邻域的多聚焦图像融合,信息科学。,349-350, 25-49 (2016) ·Zbl 1398.94042号 [18] 李,H。;邱,H。;于,Z。;Li,B.,通过多尺度图像的固定窗口技术和非局部均值滤波进行多聚焦图像融合,信号处理。,138, 71-85 (2017) [19] 李,H。;徐,J。;朱,J。;陶,D。;余,Z.,Top distance regulated projection and dictionary learning for person re-identification,Inf.Sci。,502, 472-491 (2019) [20] 李,S。;尹,H。;Fang,L.,用于医学图像去噪和融合的字典学习分组解析表示,IEEE Trans。生物识别。工程师,59、12、3450-3459(2012) [21] 刘伟。;杨,E。;邓,C。;李,C。;Tao,D.,共享预测跨模态深度量化,IEEE神经网络和学习系统汇刊,29,11,5292-5303(2018) [22] 刘,Y。;刘,S。;Wang,Z.,基于多尺度变换和稀疏表示的图像融合通用框架研究文章,Inf.fusion,24,147-164(2015) [23] 刘,Y。;Wang,Z.,自适应稀疏表示的同时图像融合和去噪,IET图像处理。,9, 347-357 (2015) [24] 刘,Z。;布拉什,E。;薛,Z。;赵,J。;Laganière,R.,《夜视环境增强多分辨率图像融合算法的客观评估:比较研究》,IEEE Trans。模式分析。机器。智力。,34, 1, 94-109 (2012) [25] 卢杜桑,C。;Lavialle,O.,《多聚焦图像融合和去噪:变分方法》,模式识别。莱特。,33, 1388-1396 (2012) [26] 内贾蒂,M。;萨马维,S。;Shirani,S.,使用基于字典的稀疏表示的多聚焦图像融合,Inf.fusion,25,72-84(2015) [27] 曼达尔,S。;Bhavsar,A。;Sao,A.,通过非局部平均值和稀疏表示从单个图像进行噪声自适应超分辨率,信号处理。,132, 134-149 (2017) [28] 马丁·D·。;Fowlkes,C。;塔尔·D。;Malik,J.,人类分割自然图像数据库及其在评估分割算法和测量生态统计中的应用,IEEE国际计算机视觉会议(ICCV),416-423(2001),IEEE [29] 梅,J。;Dong,Y。;Huang,T.,利用分数阶梯度信息进行图像融合和去噪,J.Compute。申请。数学。,351, 212-227 (2019) ·Zbl 1435.94036号 [30] Song,K。;聂,F。;Han,J。;Li,X.,距离度量学习的无参数大边际最近邻,第三十届AAAI人工智能会议论文集,2555-2561(2017) [31] Wang,J。;彭,J。;X·冯。;He,G。;Fan,J.,使用非负稀疏表示的红外和可见光图像融合方法,《红外物理学》。技术。,67477-489(2014年) [32] 王,P。;Liu,B.,基于多尺度分析的新型图像融合度量,国际信号处理会议,965-968(2008),IEEE [33] 薛伟。;张,L。;Mou,X.,《盲图像质量评估的无人类分数学习》,IEEE计算机视觉和模式识别会议(CVPR),995-1002(2013),IEEE [34] Xydeas,C。;Petrovic,V.,客观图像融合性能测量,电子。莱特。,36, 4, 308-309 (2000) [35] 杨,B。;Li,S.,稀疏表示多聚焦图像融合与恢复,IEEE Trans。仪器。测量。,59, 4, 884-892 (2010) [36] 杨,B。;Li,S.,同步正交匹配追踪的像素级图像融合,Inf.fusion,13,1,10-19(2012) [37] 杨,C。;张杰。;王,X。;Liu,X.,一种新的基于相似性的图像融合质量度量,Inf.fusion,9,156-160(2008) [38] Yin,H.,《稀疏表示与学习的图像融合多尺度词典》,神经计算,148,600-610(2015) [39] 尹,H。;李,S。;Fang,L.,使用稀疏表示的同时图像融合和超分辨率,Inf.fusion,14,3229-240(2013) [40] 张凯。;王,M。;Yang,S.,基于群谱嵌入和低阶分解的多光谱和高光谱图像融合,IEEE Tras。地质科学。遥感,55,3,1363-1371(2017) [41] 张,Q。;Levine,M.,《使用多任务稀疏表示和空间上下文的鲁棒多聚焦图像融合》,IEEE Trans。图像处理。,25, 5, 2045-2058 (2016) ·Zbl 1408.94810号 [42] 张,Q。;Li,B.,人脸识别中字典学习的判别K-SVD,IEEE计算机视觉和模式识别会议(CVPR),2691-2698(2010),IEEE [43] 张,Q。;刘,Y。;布鲁姆,R。;Han,J。;Tao,D.,《基于稀疏表示的多聚焦和多模态图像多传感器图像融合:综述》,Inf.fusion,40,57-75(2018) [44] 赵,J。;拉加尼埃尔,R。;Liu,Z.,基于绝对特征测量的组合像素级图像融合性能评估,国际创新计算杂志。信息控制,3,6(A),1433-1447(2007) [45] 赵伟。;Lu,H.,《交替序列滤波器和自适应分数阶全变分的医学图像融合和去噪》,IEEE Trans。仪器。测量。,662283-2294(2017) [46] 朱,Z。;Chai,Y。;尹,H。;Li,A.,一种新的多模态医学图像融合词典学习方法,神经计算,214471-482(2016) [47] 朱,Z。;尹,H。;Chai,Y。;李毅。;Qi,G.,一种基于图像分解和稀疏表示的新型多模态图像融合方法,信息科学。,432, 516-529 (2018) [48] 佐兰,D。;Weiss,Y.,《从自然图像补丁的学习模型到整体图像恢复》,IEEE计算机视觉国际会议(ICCV),479-486(2011),IEEE [49] 邓,C。;杨,E。;刘,T。;刘伟。;李,J。;Tao,D.,用于图像搜索的无监督语义保留对抗哈希,IEEE图像处理汇刊,28,8,4032-4044(2019)·兹比尔07122960 [50] 邓,C。;杨,E。;刘,T。;Tao,D.,《利用特定类别中心进行监督图像搜索的双流深度散列》,IEEE神经网络和学习系统汇刊(2019年),出版中 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。