返回
Robust Multi-Focus Image Fusion Using Multi-Task Sparse Representation and Spatial Context
DOI:10.1109/TIP.2016.2524212.png)
摘要
En 中文
我们提出了一种基于多任务鲁棒稀疏表示 (MRSR) 模型和空间上下文信息的融合方法,以解决具有配准不良的多聚焦灰度图像的融合。首先,我们通过用稀疏重建误差代替传统的最小二乘重建误差,提出了一种鲁棒的稀疏表示 (RSR) 模型。然后,我们提出了RSR模型的多任务版本,即MRSR模型。然后,通过采用关于每个图像块及其空间邻居的详细信息来协作地确定输入图像中的聚焦区域和散焦区域,将后者应用于多聚焦图像融合。为了实现这一目标,我们将从多个图像块中提取细节的问题公式化为基于MRSR模型的联合多任务稀疏性追踪。实验结果表明,该算法与当前最先进的方法相比具有竞争力,并且在输入图像配准不良的情况下优于使用传统稀疏表示方法的一些方法。
Keyword:
Multi-focus image fusion
multi-task robust sparse representation
spatial context
image patch misregistration
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
13.7
论文数:
1.0W
被引数:
8.4W
机构
引用论文
Multifocus image fusion using the nonsubsampled contourlet transform使用非下采样contourlet变换的多聚焦图像融合
SIGNAL PROCESSING
IF3.6
Generation of All-in-Focus Images by Noise-Robust Selective Fusion of Limited Depth-of-Field Images有限景深图像的抗噪选择性融合生成全聚焦图像
A micromachined efficient parametric array loudspeaker with a wide radiation frequency band具有宽辐射频带的微机械高效参量阵列扬声器
Electric Vehicle and Photovoltaic Power Scenario Generation under Extreme High-Temperature Weather极端高温天气下的电动汽车及光伏发电场景
The production of polyclonal antibodies against the mycotoxin derivative patulin hemiglutarate抗霉菌毒素衍生物patulin hemiglutarate的多克隆抗体的产生

