基于图像融合的木板表面缺陷检测研究

针对木板表面节子缺陷被染料染色后难以识别的问题,本文利用图像融合技术提出一种新的木板表面缺陷检测方法。该方法采集被染色木板的近红外图像和可见光图像,使用加权平均法、主成分分析（PCA）算法、小波变换、Laplacian金字塔变换等不同的融合算法对采集的近红外图像和可见光图像进行融合,然后对不同算法融合后的图像仔细观察分析和比对并计算其信息熵。实验结果证实,融合后的图像能够明显地辨别出染色后的木板缺陷,并且基于Laplacian金字塔算法的融合效果最好。     

基于Curvelet变换和小波变换相结合的图像融合算法研究

针对小波变换在图像边缘表达方面的局限性,以及Curvelet变换在表达图像点特征上的不足,提出了在红外图像与可见光图像融合的过程中采用基于Curvelet变换和小波变换相结合的图像融合算法.首先对图像进行Curvelet分解,对低频系数使用基于小波变换的融合算法,对高频系数结合融合图像的特点分别采用了两种不同的选取方法:模值绝对值取大法和基于系数相关性法.最后,对最终系数进行反Curvelet变换,得到融合结果图.采用该算法进行了大量的红外图像与可见光图像融合实验,实验结果表明,此算法的融合结果图获得了更好的目标信息和光谱信息.     

基于提升小波变换的红外图像融合算法研究

介绍了提升小波变换,提出了基于提升小波变换的图像融合方法,算法针对提升小波变换后的低频分量和高频分量的不同特点,选用了不同的融合准则进行融合,然后通过提升小波逆变换得到融合图像。通过分析可见光与红外图像的融合结果并与其他融合方法进行比较,实验结果表明,该算法使得融合后图像内容清晰,具有增强图像的空间细节能力,取得了较好的融合效果。     

人工鱼群算法优化的小波图像融合

针对甲状腺肿瘤的B超、核素图像和颅腔横断面的CT,MRI图像,提出一种使用人工鱼群算法寻优的小波图像融合方法。利用小波变换将源图像进行小波分解,得到源图像的低频部分和高频部分。低频部分的系数使用加权融合算法进行融合,为使融合结果包含足够的信息量,以综合熵作为适应值对低频部分使用人工鱼群算法进行优化,得到融合系数的最优权值。高频部分的系数采用取绝对值最大的融合规则。通过小波逆变换得到融合图像。实验过程中,分别对这两组医学图像进行融合。客观评价参数表明该算法能够得到更优的融合图像。     

基于拉普拉斯金字塔变换的图像融合算法研究

阐述了基于拉普拉斯金字塔变换的图像融合原理和方法：首先对源图像分别进行拉普拉斯金字塔分解,然后对分解后的各层图像采用不同的融合准则进行融合,最后,对融合金字塔做拉普拉斯金字塔反变换得到最终的融合图像。通过对可见光与红外图像的融合结果分析,实验结果表明,该算法能得到具有更多有用信息的高对比度的融合图像。融合效果良好。     

一种图像融合的新方法

在众多图像融合算法中,不存在完美的算法,每一种算法都具有优点和不足。本文针对这一问题提出一种新的图像融合方法,即图像二次融合,通过对两种算法的融合结果再进行一次简单的像素选择得到最终融合图像。图像二次融合可以综合算法的优点,弥补之间的不足,获得更好的融合效果。实验表明,该方法获得的融合结果优于单一算法。     

基于显著性图的红外与可见光图像融合

为使红外图像与可见光图像融合后的图像能获得更多目标信息和细节信息,本文提出了一种基于显著性图的图像融合方法。使用改进的Frequency Tuned(FT)算法提取红外图像的显著性图,并使用对比度受限的自适应直方图均衡化(Contrast Limited Adaptive Histgram Equalization,CLAHE)算法增强可见光图像的对比度。将红外图像与增强后的可见光图像进行非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)后,根据所设定的融合规则分别对红外与可见光图像的低频部分与高频部分进行融合,最后对融合系数进行NSCT逆变换操作后获到融合图像。实验表明,该融合方法相较于其他方法而言,保留了更多的目标信息和细节信息,可以取得更好的视觉效果。     

基于局部能量的NSCT域红外与可见光图像融合算法

提出了一种基于非下采样Contourlet变换(NSCT)的红外与可见光图像融合方法。首先对红外和可见光源图像进行多尺度、多方向分解;在低频系数上,采用基于局部能量比与基于局部能量加权相结合的方法进行融合;在高频系数上,定义了局部尺度方差的概念,并以局部尺度方差为测度进行取大融合;最后对融合系数进行重构得到融合图像。使用该算法对两类不同目的的红外与可见光图像进行了融合实验,实验结果表明,文中提出的算法在保留图像细节信息、增加信息量、方便目标检测方面都有显著地提高。     

红外与可见光图像深度学习融合方法综述

红外与可见光图像融合技术充分利用不同传感器的优势,在融合图像中保留了原图像的互补信息以及冗余信息,提高了图像质量。近些年,随着深度学习方法的发展,许多研究者开始将该方法引入图像融合领域,并取得了丰硕的成果。根据不同的融合框架对基于深度学习的红外与可见光图像融合方法进行归类、分析、总结,并综述常用的评价指标以及数据集。另外,选择了一些不同类别且具有代表性的算法模型对不同场景图像进行融合,利用评价指标对比分析各算法的优缺点。最后,对基于深度学习的红外与可见光图像融合技术研究方向进行展望,总结红外与可见光融合技术,为未来研究工作奠定基础。     

基于ResNet的红外与低照度可见光图像融合方法

针对传统红外与低照度可见光图像融合后,容易造成目标模糊不清、细节信息缺失等问题,本文提出一种低照度可见光图像预增强与残差网络(Residual Network, ResNet)相结合的图像融合方法。该方法首先利用单尺度Retinex(Single Scale Retinex, SSR)算法对低照度可见光图像进行增强预处理,得到增强的可见光图像。其次,利用ResNet-50分别从增强后的可见光图像和红外图像中提取深度特征。然后,采用L1范数对生成的深度特征进行正则化处理,并通过上采样操作将其分辨率恢复至输入图像大小,得到权重图。最后,使用加权平均策略获取融合图像。实验结果表明,本文算法能更好地保留输入图像的纹理细节和结构信息;使用TNO数据集与现有的三种典型算法对比,该算法融合结果的离散余弦特征互信息(FMI_dct)、小波特征互信息(FMI_w)、基于噪声评估的融合性能(Nabf)、结构相似度测量(SSIM)四种客观指标总体优于对比算法。     

基于多流扩张残差稠密网络的图像去雨算法

针对传统图像去雨算法未考虑多尺度雨条纹及图像去雨后细节信息丢失的问题,提出一种基于多流扩张残差稠密网络的图像去雨算法,利用导向滤波器将图像分解为基础层和细节层。通过直接学习含雨图像细节层和无雨图像细节层的残差来训练网络,缩小映射范围。采用3条带有不同扩张因子的扩张卷积对细节层进行多尺度特征提取,获得更多上下文信息,提取复杂多向的雨线特征;同时,将扩张残差密集块作为网络的参数层,加强特征传播,扩大接受域。在合成图片和真实图片上的实验结果表明,所提算法能有效去除不同密度的雨条纹,并较好地恢复图像细节信息。通过对比其他算法,证明了所提算法在主观效果和客观指标上都有提升。     

基于广义线性系统和非锐化掩膜的图像增强算法

为了解决非锐化掩膜图像增强方法的噪声增益、光晕现象和数据溢出的问题,提出一种基于广义线性系统和非锐化掩膜的图像增强算法。算法首先采用双边滤波器和广义线性减法对图像进行处理,获取图像细节层和基础层;然后对图像细节层和基础层分别进行自适应增益处理和对比度增强处理;最后采用广义线性加法将两者相加,实现图像的增强。并对3种不同类型的图像进行测试,结果表明:本文提出的算法很好地抑制了噪声干扰和光晕现象,增强了图像的对比度和细节,视觉效果良好,信息熵分别提高了10.9012%、16.0143%和9.1878%。表明了提出的基于广义线性系统和非锐化掩膜图像增强算法的合理有效性。     

基于小波变换的CR图像增强

数字X光影像仪（CR）图像对比度低、细节不清晰,要对其进行增强处理方能满足临床诊断的需要,而目前通用的CR图像增强算法对比度和噪声增强过度、丢失细节,为此提出了基于小波变换的CR图像增强法。该算法将CR图像进行小波变换分解,针对各子图像的特征,对高频细节部分采用非线性函数进行对比度增强,提高细节清晰度;对低频平滑部分采用反锐化掩模（UM）的方法对图像进行增强,以保证CR图像整体增强效果,最后进行小波变换得到增强后的CR图像。实验证明,该算法处理后的CR图像细节丰富,细节方差（DV）比通用增强算法提高了将近3倍,而且信噪比高,细节方差和背景方差（BV）之比（DV/BV）约为其他算法的3．5倍,具有良好的视觉效果。     

基于S曲线全局动态调光的改进算法

S曲线全局动态调光算法可以降低LED液晶显示器的功耗,同时能够提高显示图像的静态对比度,但该算法会造成部分图像色彩失真和细节丢失。针对这一问题,本文提出一种图像细节层分离与视觉显著性理论相结合的S曲线改进算法。首先,将原始图像转换至HSV色彩空间进行亮度和色度分离;然后,在图像亮度分量上采用双边滤波得到图像的基础层与细节层,基础层采用S曲线进行动态范围拉伸,实现像素补偿,细节层则运用视觉显著性理论进行分区与权值增强,弥补由像素补偿带来的细节损失;最后,将处理后的各层图像转换至RGB空间显示。将本文算法的仿真结果与原S曲线算法的结果进行对比。结果显示,本文算法在维持原算法功耗降低和静态对比度提升水平不变的基础上,解决了原算法在部分图像中出现的色彩失真和细节丢失问题,提升了图像的视觉显示效果,同时本文算法的仿真结果具有更大的信息熵和平均梯度。     

一种结合PE的高动态范围红外图像压缩及细节增强算法

针对在提升高动态范围红外图像中潜在或弱小目标细节的同时,还需兼顾噪声抑制、对比度增强的问题,提出了一种基于引导滤波图像分层的动态范围及细节增强算法。对背景层采用平台直方图均衡算法进行压缩,对细节层先采用中值滤波进行去噪,再采用非线性映射对细节中潜在的弱小目标细节进行增强,最后按照一定权重合并得到细节增强后的图像。综合主、客观实验结果,相对于映射类、直方图均衡、双边滤波分层增强等算法,该算法能够在动态范围压缩的过程中提高红外图像目标场景的对比度,突显其纹理特征,取得良好的细节增强效果。     

卷积稀疏表示和邻域特征结合的多聚焦图像融合

稀疏表示的分块处理破环了图像的连续性,导致 多聚焦融合图像的清晰测度信息严重丢失。针对上述 问题,提出了卷积稀疏表示和邻域特征结合的多聚焦图像融合算法。该算法将非下采样轮廓 波变换(NSCT)域低频子图通过高斯滤波分解 成基础层和细节层,然后选用交替方向乘子算法(ADMM)求解稀疏系数,完成细节层特征响 应系数的融合。同时, 根据聚焦程度测量函数设计了合理的邻域特征,完成了NSCT域高频子图的融合。实验结果表 明:该算法边缘信息 传递因子(QAB/F)指标略低于对比算法, 但空间频率(SF)、平均梯度(AG)、清晰度(SP)以及视觉信息保 真度(VIFF)指标相比于对比算法分别提高了约16.31% 、41.87%、19.2%以及12.07%,有效地提取了源图像更深 层次的清晰测度信息,克服了稀疏表示的块效应缺陷。     

基于伽马压缩的红外图像非均匀性校正算法研究

针对红外探测器输出12位像素深度响应,而数字图像显示通常为8位的情况,提出一种基于伽马压缩的非均匀性校正算法。该算法利用自适应伽马曲线将探测器输出的响应进行压缩,然后基于两点校正对中低温图像和高温图像运用不同的校正系数进行校正。实验结果表明:该算法的非均匀性校正效果好,能够将传统两点校正方法校正后的残余非均匀性降低20%左右,校正后的中低温图像细节信息丰富,层次感强。     

基于小波变换与深度残差融合的图像增强算法

针对目前基于小波变换图像融合增强算法原始图 像中的多尺度细节信息的不足,提 出了一种改进的多尺度小波变换与深度残差选择相结合的图像增强算法。利用小波变换对原 始图像进行分解提取得到它的多级分解系数后,再利用不同规则对不同层次的小波系数进行 重构,与此同时引入深度残差算法的思想对子带系数做残差。对于高频子带系数,计算子带 残差的系数与梯度特征融合方法的系数,选用两者最大值进行融合增强;而对于低频子带系 数则采用梯度特征融合增强系数与子带残差系数取平均值的算法进行融合。通过在MATLAB 平台上的实验对所提出算法进行验证,峰值信噪比相较于对比的方法都有所提高,且均方根 误差也得到减小,结构相似度都得到提高,结果表明该算法能增强图像的多尺度细节信息, 提高图像的信噪比,且具有更好的图像增强效果。     

基于Contourlet系数局部特征的选择性遥感图像融合算法

为了使融合后的多光谱图像在显著提高空间分辨率的同时,尽可能多地保持原始多光谱特性,提出了一种基于Contourlet变换系数局部特征的选择性遥感图像融合方法。根据多光谱和全色图像融合过程中Contourlet变换后的低频和高频部分融合目的的不同,对得到的近似和各层各方向的细节分量分别运用窗口邻域移动模板逐一计算相应区域Contourlet系数阵的不同局部特征量,然后选择适当的准则,对图像的近似和细节分量分别应用不同的策略在Contourlet系数域内进行选择性融合,通过Contourlet和亮度-色调-饱和度(IHS)逆变换得到融合的高分辨率多光谱图像。采用Landsat TM多光谱和SPOT全色图像进行的融合实验结果表明:提出的算法在显著提高空间分辨率的同时,又能很好地保持原始图像的光谱特征,并优于传统的融合方法。     

基于双域分解的图像增强算法

为解决图像增强中对比度提高与噪声抑制的矛盾,本文提出了一种基于双域分解的图像增强算法,同步实现图像对比度提高与噪声抑制.文中详述了空域分解、分层图像空域增强与变换域降噪、分层图像合成三个主要环节的原理、方法.首先,高斯滤波器将图像分解为基础层和细节层,实现对比度提高与噪声抑制的解耦合;其次,带校正功能的单尺度Retinex和硬阈值收缩的非下采样剪切波降噪算法同步实现基础层的增强和细节层的降噪;最后,分层图像合成、灰度数值延展和微分算子强化,实现合成图像的灰度延展与细节加强,确保增强图像的颜色均匀、细节突出.实验表明,本文算法提高图像对比度和抑制噪声的性能优于其他九种算法.