-
公开(公告)号：CN111784572B
公开(公告)日：2022-06-28
申请号：CN202010425926.0
申请日：2020-05-19
Applicant: 昆明理工大学
Abstract: 本发明涉及一种基于判别字典学习的图像融合与超分辨率联合实现方法，属于数字图像处理技术领域。具体来说，首先联合训练两对低秩、稀疏字典和一个高、低分辨图像编码系数转换矩阵。其中一对字典用于表示输入图像的低秩和稀疏分量，另一对用于重构高分辨率融合低秩和稀疏分量，转换矩阵用于建立高分辨率图像和低分辨率图像之间的潜在关系。然后构造了一个稀疏和低秩分离模型，有效地对输入图像分解为低秩和稀疏分量，从而可以通过不同词典构建高分辨率融合图像。该发明联合实现了图像的融合和超分辨率重构。实验结果表明，无论在视觉效果还是在客观指标上，本发明都具有更好的融合性能。
-
公开(公告)号：CN111784572A
公开(公告)日：2020-10-16
申请号：CN202010425926.0
申请日：2020-05-19
Applicant: 昆明理工大学
Abstract: 本发明涉及一种基于判别字典学习的图像融合与超分辨率联合实现方法，属于数字图像处理技术领域。具体来说，首先联合训练两对低秩、稀疏字典和一个高、低分辨图像编码系数转换矩阵。其中一对字典用于表示输入图像的低秩和稀疏分量，另一对用于重构高分辨率融合低秩和稀疏分量，转换矩阵用于建立高分辨率图像和低分辨率图像之间的潜在关系。然后构造了一个稀疏和低秩分离模型，有效地对输入图像分解为低秩和稀疏分量，从而可以通过不同词典构建高分辨率融合图像。该发明联合实现了图像的融合和超分辨率重构。实验结果表明，无论在视觉效果还是在客观指标上，本发明都具有更好的融合性能。
-
公开(公告)号：CN108596866B
公开(公告)日：2021-09-14
申请号：CN201810233117.2
申请日：2018-03-21
Applicant: 昆明理工大学
Abstract: 本发明涉及一种基于稀疏低秩分解和视觉显著性结合的医学图像融合方法，属于数字图像处理技术领域。本发明设计了一种有效的图像低秩稀疏成分分解模型。其中，分解得到的低秩成分反映了图像的整体轮廓和亮度信息，稀疏成分反映了图像的高频细节信息。本明针对图像不同的成分融合，提出了不同的融合方案。在融合低秩成分时，采用传统的“绝对值”取大的融合策略，以保留源图像更多的亮度信息；而对于稀疏成分，本申请提出一种视觉显著性度量的方法来保留更多的显著性稀疏成分。本发明提出的图像融合的方法无论是从人眼视觉上还是从客观评价指标上，本文方法均优于其它几种融合方法。
-
公开(公告)号：CN108596866A
公开(公告)日：2018-09-28
申请号：CN201810233117.2
申请日：2018-03-21
Applicant: 昆明理工大学
Abstract: 本发明涉及一种基于稀疏低秩分解和视觉显著性结合的医学图像融合方法，属于数字图像处理技术领域。本发明设计了一种有效的图像低秩稀疏成分分解模型。其中，分解得到的低秩成分反映了图像的整体轮廓和亮度信息，稀疏成分反映了图像的高频细节信息。本明针对图像不同的成分融合，提出了不同的融合方案。在融合低秩成分时，采用传统的“绝对值”取大的融合策略，以保留源图像更多的亮度信息；而对于稀疏成分，本申请提出一种视觉显著性度量的方法来保留更多的显著性稀疏成分。本发明提出的图像融合的方法无论是从人眼视觉上还是从客观评价指标上，本文方法均优于其它几种融合方法。
-
-
-
Search Results
4
records
(took 0.015 seconds)
