×
金、郑蒙;张俊康;闵丽华;Ng，Michael K。

图像融合中空间加权的变分模型。 （英语） 兹比尔1474.94020

SIAM J.成像科学。 14，第2号，441-469（2021）.
摘要：为了在融合过程中从输入源图像中尽可能多地保留有价值的细节，本文提出了一种基于权值的自适应全变分图像融合模型。其主要思想是通过最大化输出图像的局部方差并保持输入图像的亮度，使用非凸能量函数来同时确定输出融合图像和权重函数。为了最小化附近像素位置处的权重函数之间的差异，将权重函数的总变化正则化纳入用于融合过程的函数中。建立了所提出的变分模型的极小化子的存在性。此外，我们利用原对偶方法开发了一种有效的数值求解模型的算法，并证明了算法的收敛性。实验结果表明了该方法的有效性，其性能与其他测试方法相比具有竞争力。

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）
65K10码 数值优化和变分技术
68单位10 图像处理的计算方法

关键词：

多焦点图像融合;总变化量;对比度最大化;亮度保持;自适应权重
PDF格式BibTeX公司 XML格式引用
\textit{Z.Jin}等人，SIAM J.成像科学。14，第2号，441--469（2021；Zbl 1474.94020）
全文： 内政部

参考文献：

[1] M.K.Abd Ghani、M.A.Mohammed、N.Arunkumar、S.A.Mostafa、D.A.Ibrahim、M.K.Abdullah、M.M.Jaber、E.Abdulhay、G.Ramirez-Gonzalez和M.A.Burhanuddin，《使用机器学习技术进行鼻咽癌识别的决策级融合方案》，神经计算与应用。，32（2020年），第625-638页。
[2] L.Ambrosio、N.Fusco和D.Pallara，《有界变分函数和自由间断问题》，牛津大学出版社，英国牛津，2000年·Zbl 0957.49001号
[3] K.Bredies、K.Kunisch和T.Pock，总广义变异，SIAM J.成像科学。，3（2010年），第492-526页，https://doi.org/10.1137/090769521。 ·Zbl 1195.49025号
[4] X.Bresson和T.F.Chan，向量总变差范数的快速对偶最小化及其在彩色图像处理中的应用，逆问题。《成像》，第2期（2008年），第455-484页·Zbl 1188.68337号
[5] A.Chambolle和T.Pock，凸问题的一阶原对偶算法及其在成像中的应用，J.Math。《成像视觉》，40（2011），第120-145页·Zbl 1255.68217号
[6] J.Duchi、S.S.Shwartz、Y.Singer和T.Chandra，《高维学习L1球的有效投影》，《第25届机器学习国际会议论文集》，2008年，第272-279页。
[7] J.Duchi和Y.Singer，使用正向-反向分裂的高效在线和批量学习，J.Mach。学习。研究，10（2009），第2899-2934页·Zbl 1235.62151号
[8] P.Eli，《复杂图像的对比度》，J.Opt。Soc.Amer公司。A、 7（1990年），第2032-2040页。
[9] J.Gorski、F.Pfeuffer和K.Klamroth，《双凸集与双凸函数优化：调查与扩展》，数学。方法操作。研究，66（2007），第373-407页·Zbl 1146.90495号
[10] X.Guo，R.Nie，J.Cao，X.Guo.，R.聂，J.曹，D.Zhou，W.Qian，基于全卷积网络的多焦点图像融合，神经计算。，30（2018），第1775-1800页。
[11] X.Guo，R.Nie，J.Cao，D.Zhou，L.Mei和K.He，Fusegan：通过条件生成对抗性网络学习融合多焦点图像，IEEE Trans。多媒体。，21（2019），第1982-1996页。
[12] D.Hafner和J.Weickert，具有最佳局部对比度的变曝光融合，收录于《计算机视觉中的尺度空间和变分方法》，《计算机课堂讲稿》。科学。9087，施普林格，商会，2015年，第425-436页·兹比尔1451.65018
[13] M.B.A.Haghighat、A.Aghagolzadeh和H.Seyedarabi，DCT域视觉传感器网络的多焦点图像融合，计算。选举人。《工程》，37（2011），第789-797页·Zbl 1250.68281号
[14] Z.M.Jin、F.Li和M.K.Ng，通过方差最大化实现图像脱色的变分方法，SIAM J.成像科学。，7（2014），第944-968页，https://doi.org/10.1137/10935197。 ·Zbl 1391.94085号
[15] F.Li和T.Zeng，具有一阶和二阶梯度信息的变分图像融合，J.Compute。数学。，34（2016），第200-222页·Zbl 1363.68217号
[16] H.Li、B.M.Junath和S.K.Mitra，使用小波变换的多传感器图像融合，图形模型和图像处理，57（1995），第235-245页。
[17] H.Li和X.J.Wu，《使用字典学习和低阶表示的多焦点图像融合》，载于《图像和图形》，ICIG 2017，《计算机课堂讲稿》。科学。10666，施普林格，查姆，2017年，第675-686页。
[18] J.Li、B.Zou、Y.Liang和G.Xin，基于自适应脉冲耦合神经网络图像融合的局部均值和方差，《2011年多媒体和信号处理国际会议论文集》，2011年，第180-183页。
[19] 李思源、郭敬涛和王永勇，《利用空间频率将不同焦点的图像组合在一起》，《信息融合》，第2期（2001年），第169-176页。
[20] 刘彦，王振华，自适应稀疏表示的同步图像融合与去噪，IET图像处理。，9（2014年），第347-357页。
[21] S.Mallat和S.Zhong，多尺度边缘信号的特征，IEEE Trans。模式分析。机器。智力。，7（1992年），第710-732页。
[22] 梅建杰，董毅，黄天忠，利用分数阶梯度信息进行图像融合和去噪，计算机学报。申请。数学。，351（2019），第212-227页·Zbl 1435.94036号
[23] 缪先生，郝先生，田先生，利用灰色关联分析进行图像融合质量评价的新方法，Opt。工程，44（2005），087010。
[24] V.Naidu和J.Raol，使用小波和主成分分析的像素级图像融合，Def.Sci。J.，58（2008），第338-352页。
[25] M.Nejati、S.Samavi和S.Shirani，《使用基于字典的稀疏表示的多聚焦图像融合》，《Inf.fusion》，25（2015），第72-84页。
[26] V.S.Petrovic和C.S.Xydeas，基于梯度的多分辨率图像融合，IEEE Trans。图像处理。，13（2004年），第228-237页·Zbl 1098.68838号
[27] G.Piella，《多分辨率图像融合的一般框架：从像素到区域》，Inf.fusion，4（2003），第259-280页。
[28] G.Piella，《增强可视化的图像融合：一种变分方法》，国际计算机杂志。视觉。，83（2009年），第1-11页·Zbl 1477.68520号
[29] F.Pierre、J.F.Aujol、A.Bugeau、N.Papadakis和V.-T.Ta，图像彩色化的发光-染色模型，SIAM J.Imaging Sci。，8（2015），第536-563页，https://doi.org/10.1137/10979368。 ·Zbl 1328.68280号
[30] T.Pock、L.Zebedin和H.Bischof，TGV-fusion，收录于《计算机科学彩虹》，柏林斯普林格-Verlag出版社，海德堡，2011年，第245-258页·兹比尔1327.68324
[31] S.Prabhakar和A.K.Jain，指纹验证中的决策级融合，模式识别。，35（2002），第861-874页·Zbl 0999.68579号
[32] K.Rani和R.Sharma，不同图像融合算法的研究，国际新兴技术杂志。高级工程师，3（2013），第288-291页。
[33] L.I.Rudin、S.Osher和E.Fatemi，基于非线性总变差的噪声去除算法，物理。D、 60（1992年），第259-268页·兹比尔0780.49028
[34] B.Sun、L.Li、X.Wu、T.Zuo、Y.Chen、G.Zhou、J.He和X.Zhu，《将特征级和决策级融合结合在用于野外情感识别的层次分类器中》，J.Multimodal User Interfaces，10（2016），第125-137页。
[35] 唐三生，沈春秋，张国荣，遥感图像融合的自适应正则化方案，Front。地球科学。，10（2016年），第236-244页。
[36] V.Tsagaris和V.Anastasopoulos，用于评估像素级融合方法的信息度量，《遥感X的图像和信号处理》，Proc。SPIE 5573，国际社会选择。工程，2004年，第64-71页。
[37] R.S.Varga，矩阵迭代分析，第二版，Springer-Verlag，柏林，2002年。
[38] Q.Wang和X.Yang，基于TGV和局部信息的变分图像融合方法，IET计算。视觉。，12（2018年），第535-541页。
[39] W.W.Wang、P.L.Shui和X.C.Feng，多焦点图像融合和去噪的变分模型，IEEE信号处理。莱特。，15（2008），第65-68页。
[40] B.Yang和S.Li，同步正交匹配追踪的像素级图像融合，Inf.fusion，13（2012），第10-19页。
[41] J.Yuan、B.Miles、G.Garvin、X.C.Tai和A.Fenster，变分图像融合的有效凸优化方法，Numer。数学。西奥。方法。申请。，7（2014），第234-250页·Zbl 1324.68239号
[42] Q.Zhang和B.Guo，使用非次采样轮廓波变换的多聚焦图像融合，信号处理。，89（2009），第1334-1346页·Zbl 1178.94035号
[43] 张勇和张旭，基于数据驱动紧框架的变分双模图像融合，《信息融合》，55（2020），第164-172页。
[44] Z.Zhou，S.Li，and B.Wang，多聚焦图像的多尺度加权梯度融合，《信息融合》，20（2014），第60-72页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，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。