基于多尺度字典的红外与微光图像融合

基于人类视觉系统及信号的过完备稀疏表示理论，提出了一种基于多尺度字典的红外与微光图像融合方法。首先把输入的红外与微光图像按照高斯金字塔模型分解，用DCT字典作为初始字典按照四叉树的结构进行分解，对于各尺度的字典按照K-SVD算法独立训练更新，构造出多尺度学习字典。其次在该字典下利用改进的OMP算法得到输入源图像各自的稀疏系数，然后按照最优化融合图像与输入源图像的欧氏距离、融合图像方差的准则，建立一个融合图像稀疏系数的最优化函数，最后通过求解该函数的l1范数得到融合图像。实验结果表明：该算法的融合效果优于小波变换法、Laplacian塔型方法以及PCA方法等传统融合方法。