基于复合分解与直觉模糊集的红外与可见光图像融合方法

针对传统的基于多尺度变换的红外与可见光图像融合算法的不足,提出一种基于复合分解与直觉模糊集的红外与可见光图像融合方法。采用NSCT将源图像分解为低频子带和高频子带,进一步采用潜在低秩表示模型将低频子带分解为低频基础子带和低频显著子带;针对低频基础子带、低频显著子带和高频子带的特征,采用不同的融合规则,其中,低频基础子带以视觉显著度为权重系数采用加权求和作为融合规则,低频显著子带以绝对值最大为融合规则,高频子带以直觉模糊熵最大选择为融合规则;通过NSCT逆变换得到红外与可见光融合图像。通过对比多组融合图像主、客观评价结果表明,该方法能有效保留边缘信息,保留较多的源图像信息,在视觉质量和客观评价方法优于其他图像融合方法。     

NSCT域内基于自适应PCNN的红外与可见光图像融合方法

提出一种在图像的非下采样Contourlet变换(NSCT)域内基于脉冲耦合神经网络(PCNN)的融合方法。首先采用NSCT对严格配准的待融合图像进行多分辨率多方向分解, 得到低频子带和高频方向子带;然后使用各子带系数的空间频率作为PCNN对应神经元的自适应连接强度系数,使用改进的拉普拉斯能量和作为PCNN每个神经元的外部激励,经过PCNN点火过程获得各子带对应的点火映射图,并通过判决选择算子确定融合图像的各子带系数;最后采用NSCT逆变换对低频子带系数和高频方向子带系数进行重构,得到融合图像。使用红外与可见光图像进行仿真实验的结果表明,本文方法优于基于小波变换、NSCT及传统NSCT与PCNN结合的图像融合方法。       

基于多特征的遥感图像融合算法

针对基于多尺度几何变换的遥感图像融合算法细节表现能力不足的缺陷,提出了一种新的基于多特征的遥感图像融合算法。首先,对多光谱图像进行HSI变换,将得到的亮度分量和全色图像分别进行非下采样的Contourlet变换(NSCT),得到低频和高频子带系数;然后,对低频子带系数采用像素绝对值选大的规则进行融合,对于高频子带系数的选择,考虑到不同的因素如(方差、能量、平均梯度)对图像质量的影响不同,提出了一种基于多特征的融合规则;最后,对融合后的低频和高频系数分别进行了逆NSCT变换和逆HSI变换得到融合图像。实验结果证明,该方法可以有效将全色图像的空间信息注入到多光谱图像中,并与HSI变换、Contourlet变换等融合算法相比,该方法在主观和客观评价上优于其他几种融合方法,具有更好的融合效果。     

两种变换域相结合的医学图像融合

为了克服单一图像分析方法在图像分解时存在的局限性,采用两种变换域相结合的方法来实现CT/MRI图像融合。利用基函数多尺度和多方向性的特点,对CT与MRI源图像进行非下采样Contourlet变换(NSCT);将分解之后的CT低频近似部分和MRI低频近似部分再分别进行小波变换,小波分解与融合之后得到融合图像的低频系数,而对NSCT变换后的高频细节部分利用邻域能量取大方法得到融合图像的高频系数;再对高频系数与低频系数进行逆NSCT变换得到融合图像。结果表明,两种变换域结合的算法比单一的多尺度分析算法更有效可行,使得融合图像对比度更高、更清晰。     

非下采样Contourlet变换耦合区域特性的多聚焦图像融合算法

为提高图像融合质量,较好地保留原始图像的光谱特性,避免融合图像光谱退化,提出非下采样Contourlet变换耦合区域特性多聚焦图像融合算法。采用非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)对图像进行多尺度精细分解,获取图像多层次分解子带;利用分割块区域能量函数,构造区域能量度量模型,获取区域能量相似系数,判定低频子带对应的加权系数,完成图像低频子带的融合。根据分割高频子带时形成的行列特征,形成区域锐度模型,获取高频子带分割块中的区域锐度值,利用该锐度值建立分割块判定函数,完成高频子带的融合。最后,采用非下采样Contourlet变换的逆变换得到融合图像。结果表明,与已有图像融合算法相比,本文图像融合算法融合质量更好。     

基于NSCT的前视声纳图像融合

针对前视声纳图像清晰程度不同,局部区域模糊的特点,提出一种基于NSCT多尺度分析的前视声纳图像融合算法。首先,对源图像进行NSCT多尺度分解,得到一系列多尺度子带分解系数;然后,根据图像中清晰目标反射声波能量大、对比度高特点,构建前视声纳图像融合规则:分别对低频子带采用Gabor能量,高频子带计算局部对比度指导融合规则,并提出区域一致性校验准则抑制图像噪声,产生融合图像多尺度子带分解系数。最后,应用NSCT逆变换获得融合图像。声纳图像融合对比实验证明提出方法有效性。     

基于NSST域像素相关分析的医学图像融合

针对像素级多模态医学图像融合信息丢失的问题,提出了一种基于非下采样剪切波变换（NSST）的像素相关性分析（PCAS）的图像融合方法。首先,对源图像进行NSST分解,获得高低频子带。然后,利用提出的中心像素方差计算邻域像素与中心像素的强度相关因子,构建邻域像素相关系数矩阵,并提出将相关性拉普拉斯能量和作为高频方向子带的融合规则。再次,计算低频子带中心像素能量以及邻域像素能量梯度信息,得到低频融合决策图。最后,通过逆变换得到融合结果图像。磁共振图像（MRI）和计算机断层扫描（CT）、单光子发射计算机断层成像（PET）、正电子发射断层成像（SPECT）的脑部图像融合实验结果表明,本文融合方法可以很好地保留源图像的显著信息和纹理细节。     

基于压缩感知的红外与可见光图像融合

针对机载实时融合需求,本文提出了基于CS域的图像融合框架,并提出基于NSCT分解的压缩感知图像融合算法。算法采用服从高斯分布的测量矩阵,对经NSCT分解的图像的高频子带系数进行量测得到比高频子带系数更稀疏的测量值,对测量值采用最大值融合规则得到融合测量值,采用子空间追踪SP算法对测量值进行重构得到近似精确的方向子带融合系数,逆变换融合的高频与低频子带系数得到融图像。通过多组图像融合实验,比较融合评价指标和算法消耗时间证实本文所提的算法在保证融合质量的同时有效的提高了运算效率,有利于满足机载实性。     

非下采样Contourlet变换域多聚焦图像融合方法

针对同一场景的多聚焦图像融合问题,提出基于脉冲耦合神经网络(PCNN)的非下采样Contourlet变换(NSCT)域融合方法.将源图像经过NSCT变换生成的低通子带系数和带通方向子带系数输入PCNN,将各神经元迭代产生的点火频数构成点火映射图.采用接近度函数描述点火映射图邻域特性的关联程度,根据邻域接近度为融合图像选择相应的子带系数,通过NSCT逆变换得到融合结果.实验分析表明,新的融合方法在很大程度上保留了多聚焦图像的清晰区域和特征信息,具有比经典小波变换、Contourlet变换和常规NSCT方法更好的融合性能.     

基于DTCWT域统计特征融合的纹理图像检索

在多尺度变换域,将各子带系数的统计特征进行互补融合可以有效地提高纹理图像检索的性能。文章利用双树复小波变换提出一种新的将低频子带系数的能量特征、高频子带幅值系数的Weibull分布参数特征以及相对相位系数的wrapped Cauchy分布参数特征相融合的纹理图像检索方法,采用VisTex纹理图像库进行检索。结果表明:采用多类系数统计特征的互补融合,以及最优的相似性测度加权组合,能够显著地提高纹理图像检索系统的平均检索率;与现有的7种纹理图像检索方法相比较,所获得的较高平均检索率为86.74%。     

基于小波变换和邻域特征的多聚焦图像融合算法

提出了一种基于小波变换和邻域特征的多聚焦图像融合算法。该算法首先采用小波变换对源图像进行多尺度分解,得到低频和高频子图像;然后对低频子图像采用基于邻域归一化梯度的方法得到低频融合系数,对高频子图像采用基于邻域方差的方法得到高频融合系数;最后进行小波重构得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该算法与传统融合方法的融合效果进行了比较。实验结果表明,该算法所得融合图像的效果和质量均有明显提高。     

基于NSCT和PCA变换域的遥感图像融合算法

为使融合后的图像在尽可能保持原图像光谱信息的同时,有效提高空间细节信息,提出了一种新的基于非下采样Contourlet变换（NSCT）和主成分分析（PCA）的全色图像和多光谱图像融合算法.对多光谱图像进行PCA变换得到主元分量,将处理后的主元分量与全色图像进行NSCT分解,针对低频子带系数选择提出了一种基于窗口与局部方差相结合的融合策略;在高频子带系数选择上,提出了基于区域线性相关测定的融合策略.进行非下采样Contourlet逆变换和PCA逆变换,得到具有高空间质量的多光谱图像.实验结果表明,提出的算法在保留光谱信息和提高空间细节信息的综合性能上有所提高,能够取得较好的融合效果.     

基于NSCT和遗传算法的SAR图像和多光谱图像融合

合成孔径雷达(SAR)图像与多光谱图像成像机理和光谱特性差异较大,一般的融合方法很难取得满意的融合结果。文章提出了一种基于Nonsuosampled Contourlet transform(NSCT)和遗传算法的融合算法,首先将经过预处理后的图像进行NSCT分解,低频系数采取区域信息熵最大的准则融合;高频子带计算区域相关性,对相关性在不同阈值范围内的系数进行融合,阈值的选取采用遗传算法进行搜索;最后对融合系数进行NSCT逆变换,得到融合结果。仿真结果表明该算法显著优于基于像素点和基于区域的融合方法。     

结合稀疏理论与非下采样剪切波变换的多模态医学图像融合算法

针对医学图像时常存在局部信息丢失、细节模糊不清等问题,为提高可视化效果,避免医疗误诊,提出了一种新的非下采样剪切波变换(NSST)算法。首先,利用NSST分解源图像得到高频子带系数与低频子带系数;其次,根据高低频子带系数的不同特性制定不同的融合策略,对稀疏性不佳的低频系数采用稀疏理论进行处理,反映图像细节信息的高频子带通过相对标准差比较法(RSDC)进行处理;最后,将融合后的高低频子带系数通过NSST重构得到最终的融合图像。从定性和定量角度来评价融合后的图像,算法融合效果良好,与其它5种算法比较发现:该算法在标准差、边缘信息评价因子等指标上表现较好,其余指标均处于中上水平。实验结果表明,该算法得到的融合图像在信息丰富性、对比度、清晰度等方面表现较好,有效增加了不同模态之间的互补信息,具有较好的应用前景。     

基于小波变换和多通道脉冲耦合神经网络的高光谱图像融合

针对高光谱多波段图像融合的问题,提出了一种基于小波变换和多通道脉冲耦合神经网络模型的新融合方法。该算法利用小波变换对图像进行多尺度分解,将得到的低频和高频系数分别采用多通道PCNN模型进行非线性融合处理,对低频子带直接利用其点火频率图得到融合结果,对各高频子带则利用点火频率图的直方图矢量重心及偏差计算自适应阈值并进行区域分割,对不同的区域采用不同的融合规则进行融合处理;最后进行小波重构得到融合图像。对OMIS高光谱图像的实验结果表明:所提方法能够有效地融合高光谱多个波段图像信息,且纹理细节信息突出。     

基于NSCT变换和相似信息鲁棒主成分分析模型的图像融合技术

针对传统的图像处理是以单个像素点为基础进行融合而忽略了信息的相似性以及存在信息丢失的问题,提出了基于非下采样Contourlet变换(Nonsubsampled contourlet transform,NSCT)和相似信息鲁棒主成分分析(Robust principle component analysis,RPCA)模型的图像融合技术。首先对源图像获取图像块构造初始矩阵,通过对构造矩阵进行NSCT分解获得高频和低频部分,利用提出的具有相似信息低秩矩阵模型将低频成分分解成低秩矩阵和稀疏误差矩阵,再分别对两幅图像的低秩矩阵、稀疏误差矩阵及高频成分采用绝对值最大法融合规则进行融合,最后通过逆变换得到融合图像。MRI和CT的脑部图像的实验分析结果表明,本文算法可以更好地保留源图像中的边缘和纹理信息。     

基于压缩感知的肝脏CT/PET医学图像融合研究

针对医学诊断实时传输需求,提出一种基于压缩感知的医学图像融合研究算法.该算法采用基于压缩感知的融合方法,对非下采样轮廓波变换(NSCT)分解得到的高频子带用随机高斯矩阵分别进行测量,利用正交匹配追踪法重建各高频子带系数,对得到的高频部分和低频部分进行逆变换得到融合图像.通过对CT与PET肝脏医学图像的仿真实验,该算法可以增加多模态医学图像互补信息,并能较好地提高医学图像融合的清晰度.比较融合评价指标,证实本算法在保证融合质量的同时有效提高了运算效率,有利于满足医学诊断实时传输的应用需求.     

基于Contourlet尺度相关的SAR图像融合

针对不同波段全极化SAR图像的融合,提出了一种基于Contourlet变换域进行图像融合的方法.利用Contourlet变换将图像分解为一个低频子带和多个不同方向的高频子带,对分解后的低频子带进行邻域能量加权融合;对方向高频子带依据尺度间相关性定义一个边缘信息量测指标,选择量测指标大的系数作为融合系数.最后对两波段全极化SAR图像进行了融合实验.实验结果表明：与小波变换等融合方法相比,利用所提出方法融合后的图像能够明显抑制SAR斑点噪声影响,在视觉特性以及评价指标上效果更好.     

基于区域能量的NSST域偏振图像融合算法

针对传统的偏振图像融合方法存在图像细节丢失、边缘模糊、对比度下降等不足,提出了一种基于区域能量的非下采样剪切波变换域(NSST)偏振图像融合方法。首先,利用NSST对源图像进行分解,获取源图像的低频子带系数和高频子带系数;然后,对分解得到的低频系数基于区域能量加权融合,对高频系数先基于区域能量取大融合,再应用引导滤波进行细节增强;最后,通过NSST逆变换得到融合图像。实验结果表明,融合后的偏振图像能够较好地保留细节信息,同时使边缘更加清晰,图像标准差、平均梯度、信息熵、对比度、空间频率相对传统方法均有不同程度的提高,具有更好的视觉效果。     

基于NSCT域平均梯度能量驱动红外与可见光图像融合算法

针对红外与可见光图像融合造成的成像边缘存在模糊区域问题，提出一种基于非下采样轮廓波变换(Nonsubsampled Contourlet, NSCT)域平均梯度能量驱动的红外图像(IFR)与可见光图像(VBI)融合算法，首先对IFR和VBI分别进行NSCT变换，得到低频、中频、高频子带系数，低频融合采用平均梯度能量(Average Gradient Energy, AVGE)取最大的方法进行融合，中频融合采用空间频率(Spatial Frequency, STF)取最大值进行融合，高频提出了一种平均梯度能量驱动脉冲耦合神经网络(Average Gradient Energy Pulse Coupled Neural Network, AVGE-PCNN)的融合方法进行融合，采用逆非下采样轮廓波变换(Inverse Nonsubsampled Contourlet Transform, INSCT)得到最终融合图像，实验采用三组不同场景的IFR和VSI图像进行融合处理。通过对比实验证明，提出的融合方法在改善图像边缘模糊方面效果良好，主观评估和客观评价均优于DWT、DTCWT、NSCT算法...