文献

J-GLOBAL ID：202002284279976057   整理番号：20A0885007

誘導フィルタとオンラインロバスト辞書学習に基づく画像融合【JST・京大機械翻訳】

Image fusion based on guided filter and online robust dictionary learning

著者 (4件)： Li Jun (HPCL, College of Computer Science, National University of Defense Technology, Chang Sha 410073, China) ,  Peng Yuanxi (HPCL, College of Computer Science, National University of Defense Technology, Chang Sha 410073, China) ,  Song Minghui (HPCL, College of Computer Science, National University of Defense Technology, Chang Sha 410073, China) ,  Liu Lu (HPCL, College of Computer Science, National University of Defense Technology, Chang Sha 410073, China)
資料名： Infrared Physics & Technology  (Infrared Physics & Technology)
巻： 105  ページ： Null  発行年： 2020年 
JST資料番号： H0184A  ISSN： 1350-4495  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 多モード画像融合を含む多くの分野において,スパース表現(SR)が成功裏に適用されていることを確認した。本論文では,新しいSRベースの画像融合フレームワークを提案した。これは,融合効果だけでなく計算的にも効率的な最新の性能を示す。SRベースの画像融合法のために,重要な因子は過剰完全辞書であり,それは入力画像をまばらにする。共同的にクラスタ化されたパッチオンライン辞書学習(JCPORDL)法を,軽量で実用的な辞書を構築するために提案し,また,大規模で動的なデータを処理する上で利点を持っている。ジョイントパッチのクラスタ化は,提案したオンラインロバスト辞書学習(ORDL)アルゴリズムのための訓練データの量を減少させるのを助ける。さらに,エッジ保存を考慮して,誘導フィルタを提案フレームワークに埋め込んだ。それは,正しい近い端部挙動を持って,多くのコンピューティング負担を加えなかった。提案したフレームワーク優位性を検証するために,いくつかの従来の画像融合法を比較として用いた。実験結果は,提案したフレームワークが他の辞書学習戦略によるSRベースの方法より良い効果とより多くの時間節約を持つことを示した。その上,それはまた,主流のマルチスケール変換(MST)ベースのアルゴリズムとマルチスケール変換部分表現(MST-SR)結合アルゴリズムより優れた性能を持っている。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 多モード ,  フィルタ ,  *クラスタ化 ,  アルゴリズム ,  赤外線画像
準シソーラス用語： *オンライン ,  マルチスケール ,  エッジ保存 ,  訓練データ ,  スパース表現 ,  *画像融合 ,  *辞書学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 画像融合 ,  赤外線画像 ,  スパース表現 ,  誘導フィルタ ,  オンライン辞書学習

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 誘導 ,  オンライン ,  ロバスト ,  辞書学習 ,  画像融合