[1]胡 蓉 袁 华.浅谈基于稀疏表示的图像融合算法[J].大众科技,2014,16(04):21-23.
点击复制

浅谈基于稀疏表示的图像融合算法
分享到：

《大众科技》[ISSN:1008-1151/CN:45-1235/N]

卷:
第16卷
期数:
2014年04期
页码:
21-23
栏目:
信息技术与通信
出版日期:
2014-12-24

文章信息/Info

Title:
A review of image fusion based on sparse representation
文章编号:
1008-1151(2014)04-0021-03
作者:
胡 蓉 袁 华
桂林电子科技大学信息与通信学院，广西 桂林 541004
关键词:
图像融合; 压缩感知; 稀疏表示; 字典
Keywords:
Image fusion;  compressed sensing;  sparse representation;  the dictionary
分类号:
TN919.85
文献标志码:
A
摘要:
图像融合已成为图像处理和计算机视觉领域的一项重要技术。随着压缩感知理论的发展，稀疏表示成为了压缩 感知中的一个重要的研究内容。文章系统地阐述了当前图像融合技术的研究现状，重点介绍了稀疏表示在图像融合中的应用， 并对目前图像融合算法存在的问题以及未来的发展进行了展望
Abstract:
In order to Image fusion has become an important in the field of image processing and computer vision technology. With the development of compressed sensing, sparse representation has become an important research content in compressed sensing. This paper systematically expounds the research current situation of image fusion technology and mainly introduces the application of sparse representation in image fusion. Lastly, the current existing problems and future development of image fusion algorithm is discussed.

参考文献/References:

[1] 马艳军,徐立中,汤敏,等.遥感图像融合的非采样 Contourlet变换方法[J].中国图象图形学报A,2008,13(11): 2209-2216. [2] YANG B, LI S. Multifocus image fusion and restoration with sparse representation[J]. Instrumentation and Measurement, IEEE Transactions on, 2010, 59(4): 884-892. [3] YANG B, LI S. Pixel-level image fusion with simultaneous orthogonal matching pursuit[J]. Information Fusion, 2012, 13(1): 10-19. [4] Shutao Li, Haitao Yin, Leyuan Fang: Remote Sensing Image Fusion via Sparse Representations Over Learned Dictionaries. IEEE T. Geoscience and Remote Sensing 51(9): 4779-4789 (2013). [5] LI Shutao, YIN Haitao, FANG Leyuan. Group-sparse representation with dictionary learning for medical image denoising and fusion[J]. Biomedical Engineering, IEEE Transactions on, 2012, 59(12): 3450-3459. [6] DUARTE M F, SRVOTHAM S, BAARON D, et al. Distributed compressed sensing of jointly sparse signals,[Z], 2005: 1537-1541. [7] YU Nan, QIU Tian-shuang, FENG Bi, et al. Image features extraction and fusion based on joint sparse representation[J]. Selected Topics in Signal Processing, IEEE Journal of, 2011, 5(5): 1074-1082. [8] Haitao Yin,Shutao Li,“Multimodal image fusion with joint sparsity model”,Optical Engineering 50(6), 067007(June 2011).

相似文献/References:

[1]潘 龙 晋良念.超宽带穿墙雷达压缩感知成像中 chipping 序列的设计[J].大众科技,2014,16(04):12.
[2]赵 璞 袁 华.基于稀疏表示的人脸识别算法[J].大众科技,2014,16(04):32.
[3]冯俊杰 季立贵.压缩感知稀疏信号重构算法研究[J].大众科技,2014,16(10):1.
　Study on performance of sparse signal in compressive sensing[J].Popular Science & Technology,2014,16(04):1.
[4]胡 蓉.压缩感知理论在交通视频系统中的应用[J].大众科技,2019,21(03):7.
　Application of Compressed Sensing Theory in Traffic Video System[J].Popular Science & Technology,2019,21(04):7.

备注/Memo

备注/Memo:
【收稿日期】2014-03-12 【基金项目】广西自然科学基金(No.2013GXNSFDA019030, 2013GXNSFAA019331,2012GXNSFBA053014, 2012GXNSFAA053231)； 广西科技计划项目（桂科攻 1348020-6，桂科能 1298025-7）；广西教育厅项目(No.201202ZD040, 201202ZD044，2013YB091)。 【作者简介】胡蓉（1987－），女，湖南长沙人，桂林电子科技大学信息与通信学院硕士研究生，研究方向为图像融合、稀 疏表示。 【通讯作者】袁华（1975－），男，湖北宜昌人，桂林电子科技大学信息与通信学院讲师，研究方向为图像处理、智能信号 处理。
更新日期/Last Update: 1900-01-01