稀疏融合.zip_DCT字典_dct 字典_dct 融合_图像稀疏_图像融合

% % % 函数功能：利用稀疏表达的方式进行图像融合测试 % 稀疏融合的步骤：1.构建DCT字典，大小64*256 % 2.对两幅图进行分割，按列重组，分别形成blocks % 3.利用OMP算法，对重组的blocks进行求解系数，生成系数矩阵 % 4.对生成的系数矩阵取大值(绝对值大)融合规则，生成新的系数矩阵 % 5.图像重构:blocks重构和blocks到图像的重构 clc close all clear %% 读取，对图像进行初始化 red=imread('E:\图片素材\红外图像.bmp'); vis=imread('E:\图片素材\可见光.bmp'); red=double(rgb2gray(red)); vis=double(rgb2gray(vis)); red=imresize(red,[225,253],'bicubic'); vis=imresize(vis,[225,253],'bicubic'); tic %% 构建字典 bb=8;%滑动窗口的大小,也是标准字典的行数 Pn=16;% 用于构建字典 DCT=CreatDictionary(bb,Pn); %% 对图像进行分割，按列重组 slidingDis=1;%步长 [red_blocks,red_indx]=img_im2col(red,[bb,bb],slidingDis); [vis_blocks,vis_indx]=img_im2col(vis,[bb,bb],slidingDis); %% 利用OMP算法对两个blocks块进行系数求解,生成系数矩阵 K=20; %稀疏度 red_coef=img_OMP(DCT,red_blocks,K); vis_coef=img_OMP(DCT,vis_blocks,K); %% 对系数矩阵取大值融合 能否用矩阵的方式解决？？ coef=zeros(size(red_coef)); [m,n]=size(red_coef); for i=1:m for j=1:n if abs(red_coef(i,j))>abs(vis_coef(i,j)) coef(i,j)=red_coef(i,j); else coef(i,j)=vis_coef(i,j); end end end %% blocks重构 blocks=DCT*coef; %% blocks到图像的重构 count=1; Weight=zeros(size(red)); %权重矩阵 img_fusion=zeros(size(red)); % indx=red_indx; %因为red_indx和vis_indx保存的是窗口滑动过的块索引，所以这两个一致 [rows,cols]=ind2sub(size(red)-bb+1,indx); %将索引值转换成下标表示.和my_im2col函数中的一样 for i=1:length(cols) col=cols(i); row=rows(i); block=reshape(blocks(:,count),[bb,bb]);%block为值均相同的8*8的矩阵.每一列还原成8*8小块 %block img_fusion(row:row+bb-1,col:col+bb-1)=img_fusion(row:row+bb-1,col:col+bb-1)+block;%0矩阵加上图像小块，拼接图像 Weight(row:row+bb-1,col:col+bb-1)=Weight(row:row+bb-1,col:col+bb-1)+ones(bb);%%%累计加了多少个block，到最后除以累加的次数即可 % 因为滑动窗口在滑动过程中，同一位置会出现不同的窗口情况 count=count+1; %列数更新 end; img_fusion=img_fusion./Weight; toc figure subplot(1,3,1) imshow(uint8(red)) subplot(1,3,2) imshow(uint8(vis)) subplot(1,3,3) imshow(uint8(img_fusion))