一種基于自適應(yīng)字典學(xué)習(xí)的多傳感信息融合方法
【專利摘要】本發(fā)明公開了一種基于自適應(yīng)字典學(xué)習(xí)的多傳感信息融合方法，包括：估計(jì)輸入圖像的最大噪聲方差；圖像分塊；字典學(xué)習(xí)；自適應(yīng)稀疏編碼；數(shù)據(jù)融合；圖像塊重構(gòu)；圖像重建。本發(fā)明同時(shí)具有多尺度、多方向的特點(diǎn)和稀疏表示有效提取特征的特性，引起的光譜畸變較少，得到高質(zhì)量的融合圖像，融合圖像場(chǎng)景清晰、信息量大，更利于人眼的觀察。在主觀視覺效果與客觀評(píng)價(jià)指標(biāo)上均取得了更優(yōu)的融合效果，是一種有效可行的融合方法。
【專利說明】一種基于自適應(yīng)字典學(xué)習(xí)的多傳感信息融合方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種信息融合方法，特別是一種多傳感信息融合方法。

【背景技術(shù)】
[0002] 多傳感信息融合的目的就是利用不同傳感器的數(shù)據(jù)間的互補(bǔ)性和冗余性，將不同 傳感器的信息進(jìn)行融合，使融合后的信息在保持原始光譜特性的同時(shí)盡可能地增加圖像的 空間細(xì)節(jié)信息，從而獲得目標(biāo)場(chǎng)景的最大信息描述，這樣不但提高了遙感圖像的質(zhì)量，而且 更有利于遙感圖像的分類和目標(biāo)識(shí)別等后續(xù)處理。


【發(fā)明內(nèi)容】

[0003] 為了克服現(xiàn)有技術(shù)中的缺陷，解決上述技術(shù)問題，本發(fā)明提供一種基于自適應(yīng)字 典學(xué)習(xí)的多傳感信息融合方法。
[0004] 一種基于自適應(yīng)字典學(xué)習(xí)的多傳感信息融合方法，步驟為：
[0005] 估計(jì)輸入圖像的最大噪聲方差；
[0006] 圖像分塊；
[0007] 字典學(xué)習(xí)；
[0008] 自適應(yīng)稀疏編碼；
[0009] 數(shù)據(jù)融合；
[0010] 圖像塊重構(gòu)；
[0011] 圖像重建。
[0012] 所述圖像分塊包括：
[0013] 將所有待融合圖像分別按照原子大小逐像素分塊；
[0014] 將塊按列向量方式排成樣本矩陣；
[0015] 由樣本矩陣構(gòu)成樣本集。
[0016] 所述字典學(xué)習(xí)包括：
[0017] 從樣本集中隨機(jī)取若干個(gè)樣本構(gòu)成新的訓(xùn)練樣本；
[0018] 對(duì)新訓(xùn)練樣本去均值，然后經(jīng)迭代運(yùn)算獲取自適應(yīng)字典。
[0019] 所述稀疏編碼包括：
[0020] 將樣本矩陣在自適應(yīng)字典上采用ASP算法實(shí)現(xiàn)稀疏分解，獲得稀疏系數(shù)矩陣。
[0021] 所述數(shù)據(jù)融合包括：
[0022] 將稀疏系數(shù)矩陣采用一定的融合規(guī)則選擇特征顯著性系數(shù)作為融合系數(shù).
[0023] 所述圖像塊重構(gòu)包括：
[0024] 將融合稀疏與過完備字典的卷積實(shí)現(xiàn)塊重構(gòu)，并得到重構(gòu)圖像塊向量。
[0025] 所述圖像重構(gòu)包括：
[0026] 將重構(gòu)圖像塊向量、恢復(fù)為圖像塊數(shù)據(jù)、加均值并按照分塊時(shí)的順序重新排列；
[0027] 對(duì)重疊塊取平均實(shí)現(xiàn)圖像重建，獲得最后的融合圖像。
[0028] 本發(fā)明的有益效果：
[0029] 本發(fā)明同時(shí)具有多尺度、多方向的特點(diǎn)和稀疏表示有效提取特征的特性，引起的 光譜畸變較少，得到高質(zhì)量的融合圖像，融合圖像場(chǎng)景清晰、信息量大，更利于人眼的觀察。 在主觀視覺效果與客觀評(píng)價(jià)指標(biāo)上均取得了更優(yōu)的融合效果，是一種有效可行的融合方 法。

【專利附圖】

【附圖說明】
[0030] 圖1為基于自適應(yīng)稀疏表示的圖像融合過程示意圖。

【具體實(shí)施方式】
[0031] 下文將結(jié)合附圖詳細(xì)描述本發(fā)明的實(shí)施例。應(yīng)當(dāng)注意的是，下述實(shí)施例中描述的 技術(shù)特征或者技術(shù)特征的組合不應(yīng)當(dāng)被認(rèn)為是孤立的，他們可以被相互組合從而達(dá)到更好 的技術(shù)效果。在下述實(shí)施例的附圖中，附圖所出現(xiàn)的相同標(biāo)號(hào)代表相同的特征或者部件，可 應(yīng)用于不同實(shí)施例中。
[0032] 如圖1所示，過完備稀疏表示的迭代運(yùn)算過程可同時(shí)獲得訓(xùn)練樣本的過完備字典 及稀疏系數(shù)。對(duì)圖像融合任務(wù)而言，稀疏系數(shù)的選擇決定最后的融合效果。以兩幅已經(jīng)配 準(zhǔn)好的遙感圖像而言，其具體融合過程如下：
[0033] 步驟一、估計(jì)輸入圖像的最大噪聲方差σ2,令T= λ 〇 2,其中T為稀疏閾值，λ 為系數(shù)。
[0034] 步驟二、圖像分塊若原子大小設(shè)定為M，M = ηΧη，那么，需要將待融合圖像a、b分 別按照原子大小逐像素分為Pl及P2個(gè)nXn大小的塊，設(shè)兩幅待融合圖像大小相同，則Pl =Ρ2 = Ρ，將塊按列向量方式排成樣本矩陣Yl及Υ2,并由Yl及Υ2構(gòu)成樣本集F，F(xiàn) = [Yl， Υ2]。
[0035] 步驟三、字典學(xué)習(xí)從F中隨機(jī)取P個(gè)樣本構(gòu)成新的訓(xùn)練樣本Y，Y的大小為ΜΧΝ， 先對(duì)Y去均值，然后依照第1節(jié)的步驟經(jīng)迭代運(yùn)算獲取自適應(yīng)字典D。
[0036] 步驟四、稀疏編碼將Yl及Υ2在字典D上采用ASP算法實(shí)現(xiàn)稀疏分解，獲得稀疏系 數(shù)矩陣 〇1及Ci2，其每一列對(duì)應(yīng)一個(gè)圖像塊。
[0037] 步驟五、數(shù)據(jù)融合將a i & α 2采用一定的融合規(guī)則選擇特征顯著性系數(shù)作為融合 系數(shù)α。這里融合規(guī)則的選取較為關(guān)鍵，本融合規(guī)則基于區(qū)域能量的加權(quán)系數(shù)的自適應(yīng)選 取。首先求出以點(diǎn)（m，η)為中心位置的局部能量E w(m，η)和EjbOh, η)，后按照如下公式可 計(jì)算出融合圖像的稀疏表示系數(shù)：

【權(quán)利要求】
1. 一種基于自適應(yīng)字典學(xué)習(xí)的多傳感信息融合方法，其特征在于，步驟為： 估計(jì)輸入圖像的最大噪聲方差； 圖像分塊； 字典學(xué)習(xí)； 自適應(yīng)稀疏編碼； 數(shù)據(jù)融合； 圖像塊重構(gòu)； 圖像重建。
2. 如權(quán)利要求1所述的一種基于自適應(yīng)字典學(xué)習(xí)的多傳感信息融合方法，其特征在 于，所述圖像分塊包括： 將所有待融合圖像分別按照原子大小逐像素分塊； 將塊按列向量方式排成樣本矩陣； 由樣本矩陣構(gòu)成樣本集。
3. 如權(quán)利要求1所述的一種基于自適應(yīng)字典學(xué)習(xí)的多傳感信息融合方法，其特征在 于，所述字典學(xué)習(xí)包括： 從樣本集中隨機(jī)取若干個(gè)樣本構(gòu)成新的訓(xùn)練樣本； 對(duì)新訓(xùn)練樣本去均值，然后經(jīng)迭代運(yùn)算獲取自適應(yīng)字典。
4. 如權(quán)利要求1所述的一種基于自適應(yīng)字典學(xué)習(xí)的多傳感信息融合方法，其特征在 于，所述稀疏編碼包括： 將樣本矩陣在自適應(yīng)字典上采用ASP算法實(shí)現(xiàn)稀疏分解，獲得稀疏系數(shù)矩陣。
5. 如權(quán)利要求1所述的一種基于自適應(yīng)字典學(xué)習(xí)的多傳感信息融合方法，其特征在 于，所述數(shù)據(jù)融合包括： 將稀疏系數(shù)矩陣采用一定的融合規(guī)則選擇特征顯著性系數(shù)作為融合系數(shù)。
6. 如權(quán)利要求1所述的一種基于自適應(yīng)字典學(xué)習(xí)的多傳感信息融合方法，其特征在 于，所述圖像塊重構(gòu)包括： 將融合稀疏與過完備字典的卷積實(shí)現(xiàn)塊重構(gòu)，并得到重構(gòu)圖像塊向量。
7. 如權(quán)利要求1所述的一種基于自適應(yīng)字典學(xué)習(xí)的多傳感信息融合方法，其特征在 于，所述圖像重構(gòu)包括： 將重構(gòu)圖像塊向量、恢復(fù)為圖像塊數(shù)據(jù)、加均值并按照分塊時(shí)的順序重新排列； 對(duì)重疊塊取平均實(shí)現(xiàn)圖像重建，獲得最后的融合圖像。
【文檔編號(hào)】G06T5/00GK104463801SQ201410742256
【公開日】2015年3月25日 申請(qǐng)日期:2014年12月4日 優(yōu)先權(quán)日:2014年12月4日
【發(fā)明者】何同弟, 趙文忠, 張丁喜, 王小軍, 李春陽, 茍程 申請(qǐng)人:河西學(xué)院