基于多分辨率变换和压缩感知的肺癌PET/CT图像融合方法

针对移动医疗背景下医学图像融合信息交互的局限性问题,提出一种基于多分辨率变换NSCT和压缩感知理论的肺癌PET/CT图像融合算法.第一步,对源图像进行单层NSCT分解;第二步,通过分析PET和CT不同的成像机制和显像信息,对分解后具有较差稀疏性且主要集中源图像大部分能量的低频子带,采取高斯隶属度函数加权的融合规则,对主要呈现源图像细节信息的高频子带使用高斯随机矩阵进行压缩测量,选择基于平均梯度和区域能量的方法法对高频测量值进行融合;第三步,采取正交匹配追踪算法重构融合后的高频测量值;第四步,对低频融合图像和重构后的高频融合图像进行NSCT逆变换得到最终的融合图像;最后,对该算法进行了两方面的仿真实验:与其他压缩感知图像融合方法的比较以及与其他多分辨率图像融合方法的比较,实验结果表明,该算法是有效可行的.     

基于DWT的高频系数压缩感知图像融合

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。     

基于区域能量特征的小波变换图像融合方法研究

本文提出了一种新的基于区域能量特征的小波变换图像融合方法,在对高频部分进行融合前,先将高频信息进行适当的放大,然后再采用基于区域能量特征的图像融合方法。通过仿真实验表明,该融合方法弥补了传统的基于区域能量特征的小波变换融合中出现的信息熵减小,清晰度降低的现象,验证了该方法的有效性。     

基于能量、梯度与方差的多聚焦图像融合

大多数图像融合算法只就图像的某一个特征进行融合,容易造成其他特征信息损失。针对此问题,提出了一种利用哈尔小波变换的特性,考虑多种区域特征进行融合的策略,将图像进行哈尔小波变换后,根据图像的低频部分集中图像大部份能量的特征,采用梯度和能量相结合,根据图像高频部分反映图像细节的特征,采用区域方差与变换系数相结合的方法进行融合,最后经哈尔小波逆变换得到融合结果。通过对多组多聚焦图像进行融合实验,采用均值、方差、熵和平均梯度4种客观评价指标来评价融合图像效果,结果表明该方法能很好地保留图像信息,融合效果好。     

认知WSN中基于能量有效性自适应观测的梯度投影稀疏重构方法

针对认知无线传感器网络中传感器节点侧的模拟信息转换器对本地感知数据进行稀疏表示与压缩测量,该文提出一种基于能量有效性观测的梯度投影稀疏重构(GPSR)方法。该方法根据事件区域内认知节点对实际感知到的非平稳信号空时相关性结构,映射到小波正交基级联字典进行稀疏变换,通过加权能量子集函数进行自适应观测,以能量有效的方式获取合适的观测值,同时对所选观测向量进行正交化构造测量矩阵。汇聚节点采用GPSR算法进行自适应压缩重构。仿真比较了GPSR自适应重构与正交匹配追踪(OMP)重构算法。仿真结果表明,在压缩比小于0.2的区域内,基于能量有效性观测的GPSR自适应重构效果优于传统随机高斯测量信号重构。在相同节点数情况下,GPSR自适应压缩重构方法在低信噪比区域内具有较小的重构均方误差,且该方法所需观测数明显低于随机高斯观测,同时有效保障了感知节点的能耗均衡。     

基于二代曲波变换的图像融合方法

提出了一种基于第二代曲波变换的图像融合方法。首先对源图像进行曲波变换,粗尺度系数采用加权平均的融合规则,细尺度系数采用基于区域标准差的融合规则,然后对细尺度系数进行一致性校验,最后进行图像重构得到融合图像。数值实验结果表明,该方法有效,性能优于基于小波变换的图像融合方法。     

基于改进混合范数的图像重构算法

压缩感知理论利用图像稀疏表示的先验知识,通过少量的测量值精确地恢复出原始图像信号。DTCWT凭借其更好表达图像边缘特征的特点,结合贪婪算法和凸优化算法的优点,在双树复数小波变换为稀疏基,局部哈达玛矩阵为观测矩阵的基础上提出改进的快速二步迭代混合范数算法。该算法的图像重构质量优于FIST算法以及IST算法,实验表明改进的混合范数的图像重构算法具有更好的图像重构质量和重构速度。     

基于NSST和CS的红外与可见光图像融合

针对红外与可见光图像需要实时融合的特点,提出一种降低算法复杂度的基于非降采样剪切波变换(Non-subsampled Shearlet Transform)和压缩感知域的红外与可见光图像融合算法。利用NSST算法对红外图像和可见光图像分别进行多尺度、多方向稀疏分解,分别得到低频系数和各带通方向子带系数。对低频子带系数采用基于目标特征的加权平均融合规则;压缩感知理论的测量矩阵采用哈达马阶快速沃尔什矩阵,对细节信息保留较多的各带通子带系数进行观测测量,得到更稀疏的各带通子带系数测量值,对此测量值采用基于区域方差选大的融合规则得到融合测量值,运用基于增广的拉格朗日乘子和交叠方向恢复算法对融合测量值进行重构得到近似精确的各带通子带融合系数,最后对低频子带融合系数和各带通方向子带融合系数执行NSST逆变换得到最终的融合图像。实验结果表明,该融合方法不仅可以保证融合清晰度,同时还可以缩短算法的运行时间。     

一种基于稀疏表示的红外与微光图像的融合方法

根据人类视觉系统及信号的过完备稀疏表示理论,提出了一种基于稀疏表示的红外与微光图像融合算法。该方法首先把图像分割成部分重叠的图像块,由正交匹配追踪算法完成图像块的稀疏分解;然后采用最大值融合准则选择融合系数并完成图像块的重构,得到融合结果图像。实验结果表明,本文算法的融合效果优于小波变换法、Laplacian塔型方法以及PCA方法等传统融合方法。     

一种新的多聚焦图像融合方法

提出了一种新的多聚焦图像融合方法,该方法是基于改进的方向对比度和区域能量相结合的一种融合方法。该方法先对两幅聚焦位置不同的源图像进行小波变换,然后分别计算对应分解层上的方向对比度、高频局部区域与对应的低频局部区域的能量,将得到的最大的方向对比度和区域能量作为融合规则得到融合后图像的小波系数,最后通过小波逆变换得到融合后的图像。采用这种方法得到的融合后的图像中各个位置都是聚焦清晰的,并且增强了对比度。最后通过仿真可以得出结论,这种方法比仅考虑方向对比度的方法要有效。     

基于区域特征的改进IHS图像融合算法

提出了一种基于区域特征的结合IHS变换和小波变换的图像融合算法,首先分别对多光谱图像和高分辨率全色图像进行IHS变换和直方图匹配,对I分量和调整后的高分辨率图像进行小波分解,然后对不同频率分量进行融合时引入区域特征准则,低频部分采用加权平均算子融合法,高频部分采用改进的区域方差加权融合法,最后结合主观判断和客观定量分析验证该算法,实验结果表明该算法的融合图像的质量要优于传统的IHS变换法和小波变换法。     

小波模极大值点的信号稀疏表示及重建

作为压缩感知理论的前提,稀疏表示要求信号本身是稀疏的或者在某种正交基下可以稀疏表示。本文针对信号本身及小波变换后均不够稀疏的情况,提出一种基于模极大值点的信号稀疏表示算法。该算法在小波变换的基础上,利用小波分解的结构,对各层高频小波系数通过寻找其模极大值点的方法进行稀疏化,然后通过测量矩阵得到它的测量值,对测量点数进行熵编码以实现数据压缩传输。解码时,采用正交匹配追踪算法得到模极大值点的估计值,最后通过交替投影法重构出原信号。仿真结果表明,与经典压缩感知算法相比,该算法恢复信号的质量有较大提高,且由于稀疏度增大,所以信号具有更好的可压缩性,实验表明本文算法对复杂信号效果更明显。      

基于冗余小波变换的灰度多聚焦图像融合方法

为弥补Mallat算法正交变换的缺陷以及获得更为有效的图像融合方法。文中给出了一种基于冗余小波变换的灰度多聚焦图像融合算法进行图像融合,选取不同焦点的灰度源图进行冗余小波变换。根据高低频系数特点,分别引入区域向量范数和局部对比度的概念,构建新的融合规则的算法。实验证明与其他融合算法相比文中算法具有更好的有效性与准确性。     

基于CSR和能量特征的红外与可见光图像融合

传统稀疏表示(SR)分块处理策略降低了图像连续性,使得特征信息损失严重。因此,提出了基于卷积稀疏表示(CSR)和能量特征的红外与可见光图像融合算法。该算法将非下采样轮廓波变换(NSCT)域低频子带分解成低频基础分量和细节特征分量,使用局部拉普拉斯能量法(LLE)和卷积稀疏表示分别进行融合,获得低频子带融合图像。同时,根据底层视觉特征构建新活性度量方法来融合高频子带,最后对高、低频部分进行NSCT反变换重建。实验结果表明:该算法有效结合了源图像的边缘纹理信息,在主观和客观评价上皆优于现有的大部分算法。     

非抽样双树复小波域的BPP-NMF图像融合

提出了一种非抽样双树复小波变换（UDT-CWT）与基于块主元旋转的非负矩阵分解（BPP-NMF）相结合的多聚焦图像融合算法。利用UDT-CWT具有完美的平移不变性及良好的方向选择性,首先对图像进行多尺度、多方向分解并得到低频子带和高频子带系数;然后对低频子带系数采用块主元旋转的非负矩阵分解的融合策略,高频系数则选用高斯加权区域能量与区域标准差一致性选择的融合准则。最后对融合后的系数进行UDT-CWT逆变换得到重构图像。选用多组多聚焦图像进行融合并对融合结果进行主观视觉、客观方面的评价。试验结果表明,该融合算法不仅具有良好的视觉效果,同时在客观评价指标也优于一般的融合策略,验证了该算法的有效性。     

基于Contourlet变换的偏振图像融合

提出一种基于Contourlet变换的偏振图像融合算法。Contourlet变换是一种具有几何信息的灵活多尺度、多方向和平移不变性的图像分解变换,与小波变换相比,对图像分析很重要的沿曲面任意方向反映的细节更容易调整。采用Contourlet变换对三个555波段不同方向的偏振图像进行分解,对于高频和低频系数分别采用不同的窗函数计算区域能量,最后加权实现偏振图像的融合处理。实验结果表明,该算法与小波分解法相比在保留原始图像边缘和纹理信息同时,可以体现偏振图像的特点,取得较好的融合视觉效果。     

基于压缩感知的红外与可见光图像融合算法

压缩感知是一种新的信号采样理论,突破了传统的Nyquist采样率须为信号最高频率的2倍以上的定理。对于稀疏信号,它能够以远低于Nyquist采样速率对信号进行采样,并通过重构算法恢复出原信号。提出了一种基于压缩感知的红外与可见光图像融合算法,对图像进行测量,并通过融合算法对测量值进行融合。仿真实验显示,压缩感知能较好地实现图像的融合。     

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。     

基于改进小波变换的医学图像融合算法研究

本文主要针对图像经过小波变换后边角上看不清楚和传统的边缘检测算法对噪声敏感的问题,结合医学图像的特点,提出一种小波变换的修正算法。首先采用改进的多结构元多尺度形态学梯度的边缘检测进行图像的预处理,其次对CT图像和MRI图像分别进行两种不同小波基的三层小波分解;接着求其对应分量系数的差值图像,最后按着一定加权融合系数对差值图像进行融合得到最终的融合图像。实验结果和评价参数表明,这种改进的医学图像融合算法相比于传统的多小波融合算法不仅强化了融合图像的边缘和纹理特征,提高了分辨率,而且有效地保留了原图像的信息。