[发明专利]一种基于卡尔曼压缩感知的动态图像融合方法

摘要

一种基于卡尔曼压缩感知的动态图像融合方法，首先，构建卡尔曼压缩感知方法理论框架，根据输入的视频数据进行实时预测与表示；采用压缩感知理论根据所输入的图像信号选取一种特定正交矩阵，将图像信号映射到另一个正交空间，获取图像信号的相对稀疏的表现形式；其次，根据标准的卡尔曼以及上述的压缩感知过程，将原有卡尔曼滤波器的状态更新过程进行重新定义，划分时间信息与空间信息；之后，根据得到的时间与空间信息向量建立自适应时空融合的参数化模型，进行自适应融合，得到最终的融合向量；最后，对融合向量进行重建，得到融合后的动态图像。本发明提高了视频级动态融合的基本性能、鲁棒性和可靠性，在安全监视等领域中可有广泛的应用。

主权项

1.一种基于卡尔曼压缩感知的动态图像融合方法，其特征在于，包括以下步骤：(1)构建卡尔曼压缩感知方法理论框架，根据输入的视频数据进行实时预测与表示；采用压缩感知理论根据所输入的图像信号选取一种特定正交矩阵，将图像信号映射到另一个正交空间，获取图像信号的相对稀疏的表现形式，即，在这个特定的正交空间中，图像信号的多数系数值是小于零或是等于零；(2)根据标准的卡尔曼以及上述提到的压缩感知过程，将原有卡尔曼滤波器的状态更新过程，进行重新定义，划分时间信息与空间信息，即，将预测向量作为空间信息，滤波器更新值作为时间信息：u^t|t,M=u^t|t-1,M+Kt,My~residual,M↓↓↓u^t|t,M=v^t,T,M+v^t,S,M,]]>M∈{I，V}，(1)其中，和分别代表时间信息和空间信息。M∈{I，V}代表红外或是可见光源图像信号。(3)根据步骤(2)得到的时间与空间信息向量建立自适应时空融合的参数化模型，进行自适应融合，计算融合后的状态向量，得到最终的融合向量；(4)对步骤(3)得到的融合向量进行重建，得到融合后的动态图像。