武汉科技大学信息科学与工程学院， 湖北 武汉 430081
传统的基于 DWT的压缩感知图像融合方法针对的是整个稀疏系数，由于小波系数的低频部分为非稀疏的，导致其压缩重构质量差。针对该问题，提出了一种基于 DWT高频系数压缩测量的融合方法，该压缩模式可以提高重构信号的质量，进而提高融合图像的效果。首先，对图像作小波稀疏变换，得到低频和高频系数，并对高频系数压缩测量得到测量值；然后，在小波域和压缩域分别进行融合，并对融合后的测量值进行重构得到融合后的高频系数；最后，经小波逆变换得到融合后的图像。实验结果表明，本压缩感知模式较传统的压缩感知模式在减少压缩数据量的同时提高了图像的融合效果。
图像融合 小波变换 压缩感知 稀疏信号 image fusion wavelet transform compressed sensing sparse signal
武汉科技大学 信息科学与工程学院，湖北 武汉 430081
测量矩阵是压缩感知理论的三大核心部分之一，它直接影响着压缩感知理论在图像融合领域的应用。针对随机测量矩阵不易硬件实现的问题，本文设计了一种仅由-1、0和1三个值组成的测量矩阵，并利用基于Gram矩阵的优化方法使其尽可能地与稀疏变换矩阵不相关。实验结果表明，该测量矩阵不仅能提高重构图像的PSNR(Peak Signal to Noise Ratio)，而且将其应用于基于压缩感知的图像融合中，在采样率仅为非压缩域50%的情况下仍能取得较好的融合效果。
图像融合 压缩感知 测量矩阵 Gram矩阵 image fusion compressed sensing measurement matrix gram matrix
