基于稀疏表示与耦合字典学习的多聚焦图像融合

我们研究多聚焦图像融合问题，即需将多幅以不同焦距设置捕获的图像融合为一幅全聚焦的高质量图像。针对此问题的算法必然要接纳源图像特征以及聚焦与模糊特性。然而，大多数基于稀疏性的方法在聚焦特征空间中使用单一字典来描述多聚焦图像，而忽略了模糊特征空间中的表示。我们提出一种基于稀疏表示并使用耦合字典的多聚焦图像融合方法。该方法利用了以下观察：来自给定训练集的图像块可由一对分别与聚焦和模糊图像类别相关的过完备字典稀疏表示，且基于这种耦合字典的稀疏逼近能产生比仅选择原始图像估计中最稀疏表示的方法更灵活、因而更优的融合策略。此外，为提升融合性能，我们采用了一种耦合字典学习方法，该方法强制所学习的用于表示聚焦和模糊特征空间的字典原子之间具有成对相关性。我们还讨论了基于耦合字典学习的融合方法的优势，并给出了基于耦合字典学习的高效融合算法。与当前最先进的多聚焦图像融合算法的广泛实验对比验证了所提方法的有效性。