多尺度细节融合的多曝光高动态图像重建

同一场景不同曝光的图像序列,常出现曝光不足或曝光过度的区域,造成高亮或阴暗处的细节损失。针对这一问题,提出的多尺度细节融合的多曝光高动态图像重建方法,根据图像的对比度、饱和度、适度曝光量等三个测度因子生成原始多曝光图像的权重图,对分解的权重高斯金字塔进行Dirichlet函数映射,保证信息丰富区域权值最大,通过拉普拉斯金字塔重建,使得融合图像所包含的细节信息最大化并且最大限度地减少失真。     

基于易操纵金字塔的多传感器图像融合

针对目前传统方法在图像未完全配准时融合效果差的问题,提出了一种基于易操纵金字塔的多传感器图像融合方法。首先,对多光谱图像进行易操纵金字塔分解;然后,恰当地合并分解得到子带图像系列来构造融合图像对应的易操纵金字塔,并通过逆变换重构融合后图像。最后利用熵和空间频率对该方法的融合性能进行了评估分析,并与基于拉普拉斯变换和小波变换的图像融合方法进行了比较。实验结果表明,该方法综合性能优于基于拉普拉斯变换和基于小波变换等传统图像融合方法,图像未完全配准情况下也能获得好的融合效果。     

基于量子力学和拉普拉斯金字塔的图像融合方法

针对数字图像的融合问题,研究一种基于量子力学理论的图像分解方法,并将其结合拉普拉斯金字塔变换,提出一种新的图像融合方法.先把2幅灰度图像表示成量子比特的形式,然后把每幅图像分解成4幅特征子图,根据分解后特征子图的不同含义,使用不同的融合策略分别对子图进行融合.其中一幅子图使用拉普拉斯金字塔变换进行融合,另外3幅子图使用区域梯度取大法进行融合,最后通过重构得到融合图像.仿真实验表明该方法融合效果较好,在主观视觉感受和客观评价指标上均优于传统的图像融合方法.     

基于孪生卷积神经网络的图像融合

传统的图像融合算法多有计算复杂程度高、不能有效提取图像纹理等不足,为了弥补以上传统算法,提出了一种基于孪生卷积神经网络（Siamese Convolutional Neural Network,Siamese CNN）的图像融合方法.首先,用孪生卷积神经网络生成一个权重图,该权重图包含了来自两个待融合图像的全部像素信息.然后,用图像金字塔对像素以多尺度的方式进行融合,并且采用了局部相似性策略自适应调整分解系数的融合模式.最后,和现存的几种图像融合的方法进行了对比.实验证明,该方法有较好的融合效果,具有一定的可实用性.     

基于拉普拉斯金字塔与PCNN-SML的图像融合算法

基于拉普拉斯金字塔(LP)与脉冲耦合神经网络(PCNN)变换,提出了一种有效的多聚焦图像融合算法。首先,利用拉普拉斯金字塔对图像进行对多尺度分解,并利用PCNN对每一尺度的分解图像进行处理,以获取描述特征聚类的神经元点火频率图;然后,利用点火频率图的局部拉普拉斯分量绝对和(SML),实现了图像每一尺度LP分解的融合;最后,通过LP分解的重构实现了对多聚焦图像的融合。实验结果表明,所提方法在各项客观评价指标上均优于传统融合算法,体现出了良好的性能。     

基于透射图融合的红外图像传感器信号增强方法

针对红外图像动态范围压缩问题,提出一个基于透射图融合的红外图像传感器信号增强方法。首先,对红外图像进行多尺度聚类处理,并利用散射模型和图像先验知识对聚类结果分别进行透射率估计。然后,对各透射图进行基于融合权重图的信息筛选和基于图像金字塔模型的逐层融合,并基于变分模型对融合结果进行优化处理。最后,利用优化后的透射图对红外信号进行逐点补偿便可得到增强后的红外图像。对比实验结果证明了所提方法的有效性和鲁棒性。     

一种多传感器图像的彩色融合系统

针对像素及多传感器图像的融合问题,设计了一种多传感器图像的彩色融合系统。该系统首先采用Laplacian金字塔变换算法得到灰度融合图像,然后产生共有图像、差异图像和细节增强图像,最后将灰度融合图像、细节增强图像,分别送入RGB通道得到彩色融合图像。实验结果表明,本系统可以有效地对多传感器图像进行彩色融合。根据熵和颜色丰富度两个客观评价指标,本系统的彩色融合图像更清晰,更容易识别目标,包含更多的细节信息,图像信息也更加丰富。     

基于拉普拉高斯金字塔的数字图像融合研究

阐述了基于拉普拉斯金字塔图像融合的原理和方法,首先对原图像分别进行拉普拉斯金字塔分解,接着在对应的分层子图像上采用变换区域特征量测法进行融合,然后对得到的拉普拉斯金字塔反变换得到融合图像。通过使用MATLAB软件对本文研究的融合算法进行仿真实验,实验结果证明基于拉普拉斯金字塔图像融合方法得到的融合图像视觉效果良好,可视化清晰,图像质量得到了较大提高,该技术可广泛应用于多种研究领域。     

多尺度权重评估的MSRCR混合曝光成像算法

针对混合曝光成像算法过程中会出现低曝光处细节丢失且颜色失真饱和度不佳导致视觉观感下降的问题,提出一种多尺度权重评估的MSRCR（Multi-Scale Retinex with Color Restoration,MSRCR）混合曝光融合算法。基于Retinex模型将待融合图像分解为亮度分量与反射光分量,对亮度分量结合ACES函数构造光照补偿归一化函数进行处理,对反射光分量加入颜色恢复函数提升色彩细节;分别从曝光量、饱和度、对比度、色域四个尺度设计图像融合权重值,通过多尺度评估优化融合比例;利用Laplacian金字塔融合算法进行多尺度权重融合获得最终图像。实验结果表明,与传统的图像融合算法相比,该算法处理效果较好,有效降低了暗处失真率,提升了视觉信息保真度。     

基于细节增强的多曝光图像融合算法

针对已有多曝光图像融合算法存在细节丢失的问题,提出一种基于细节增强的多曝光图像融合算法.为使图像细节更加清晰,构建三尺度融合框架;设计一种曝光亮度权重函数,结合图像饱和度及增强后的对比度,构建初始权重图;根据引导滤波计算最终权重图,在三尺度融合框架上进行加权融合.实验结果表明,与3种实验对比算法相比,该算法的融合结果能呈现更丰富的细节信息,在综合质量评价指标IL-NIQE上分别有平均8.95％、11.38％和21.2％左右的提升.     

基于金字塔变换的图像融合方法

图像融合的目的是综合各个图像的互补信息,合并成一个新图像来改善图像的视觉效果,获得对同一场景更为准确、全面、可靠的图像描述.目前图像融合中常用的方法有加权平均法、调制法、小波变换法、HIS假彩色法等.文中提出一种新的图像融合方法:首先利用拉普拉斯金字塔分解方法对原始图像进行多分辨率分解,然后采用基于区域特征量测的方法对分解后的各层图像进行融合,在此基础上,对融合金字塔做拉普拉斯金字塔反变换得到最后的融合图像.通过实验,证明了该方法能够取得很好的融合效果,融合质量优于其他几种方法.     

结合区域特性和非子采样SPT的图像融合方法

针对基于方向可控金字塔变换的图像融合方法中存在的缺点与不足,提出了一种基于区域特性和非子采样方向可控金字塔变换(NSSPT)的图像融合方法.首先采用NSSPT对源图像进行多尺度、多方向分解,得到低频子带、高频子带以及各方向带通子带系数;然后,针对高频和带通子带系数的选择,结合各子带图像的区域特性,给出了一种基于区域均值能量匹配的"加权平均"与选择相结合的系数融合策略;而对于低频子带系数则给出一种基于灰度均值偏差的选择与加权平均的系数选择方案,得到了融合图像的NSSPT系数.最后,经过NSSPT逆变换得到融合图像.对多组不同的源图像进行融合实验仿真,实验结果表明该方法可以避免"人为"效应或高频噪声的引入,能够获得视觉效果更佳、细节更为丰富的融合图像,其融合效果要优于基于传统的金字塔变换、小波变换以及方向可控金字塔变换的图像融合方法.     

象素级图像融合方法与选择

首先介绍了图像融合技术的概念,然后对象素级图像融合技术的几种常用方法进行了详细说明,包括PCA变换,HIS变换,HPF变换,神经网络,图像金字塔,小波变换等。并介绍了融合结果的几个评价参数。最后,根据不同类型图像的特点和应用的需要,详细分析了图像融合方法的选择。     

基于Retinex增强的单幅LDR图像生成HDR图像方法

针对目前生成高动态范围(HDR)图像的方法对采集设备要求高且不适用于动态场景的问题,提出一种基于Retinex增强的单幅低动态范围(LDR)图像生成HDR图像方法.首先基于Retinex方法将单幅LDR图像映射生成多幅不同曝光的图像,然后结合图像的对比度、饱和度等4个测量因子计算各幅图像的权重,最后利用金字塔分解来融合生成HDR图像.在多幅图像上的实验结果表明,该方法生成的HDR图像纹理更清晰,更符合人眼视觉效果.     

基于改进拉普拉斯金字塔的图像融合方法

提出了一种新的基于改进拉普拉斯金字塔变换的图像融合算法。传统拉普拉斯金字塔变换的重构算法在图像在融合过程中会引入噪声,而改进的重构算法能有效抑制融合噪声。首先将图像进行拉普拉斯金字塔分解,得到各层拉普拉斯金字塔图像,针对不同的分解层图像,采用不同的方法进行融合,最后采用改进的拉普拉斯金字塔重构算法进行重构,得到最终的融合图像。通过仿真实验验证了算法的有效性。     

一种基于图像融合的图像放大处理方法

提出了一种结合图像融合与小波变换的图像插值方法.首先利用一种常用图像插值方法获得初步放大图像,再将初步放大图像进行小波分解,源图像与小波低频子图进行直方图匹配后作为新的低频子图.将初步放大图像小波分解得到的不同方向的高频系数子图结合新的低频子图作为融合图像的多分辨率金字塔.最后进行小波逆变换得到融合图像,也即放大图像.实验结果表明该方法可提高图像插值的主客观效果,峰值信噪比相对常用方法可提高2dB以上.     

基于高斯金字塔和拉普拉斯金字塔融合的图像对比度增强算法研究

为了实现对图像的降噪,兼顾全局整体增强和局部细节增强,首先定义输入图像的对比度度量模型和亮度度量模型,然后构造标量权重映射,并进行归一化处理,接着综合利用高斯金字塔和拉普拉斯金字塔,制定融合规则,利用融合金字塔重构图像,实现图像增强。     

基于神经网络与对比度的多聚焦图像融合技术

提出了一种基于小波对比度和神经网络的多聚焦图像融合算法。首先对各源图像进行小波变换，根据变换后系数计算出图像的小波对比度，选取源图像部分区域小波对比度作为前馈神经网络的训练样本，调整神经网络权重；然后用训练好的神经网络组合融合图像的小波系数，对组合后的系数进行一致性校验；最后对该系数进行小波逆变换，得到融合图像。实验结果表明，该算法能够较好地解决多聚焦图像融合问题，生成的融合图像效果优于传统图像融合方法。     

多尺度密集网络在红外和可见光图像融合应用

为了进一步提升红外和可见光图像的融合效果,提出了一种基于多尺度卷积算子和密集连接网络的图像融合模型.该模型首先使用多尺度卷积算子计算图像的直接多尺度特征,然后使用密集连接网络计算图像的间接多尺度特征.为了得到图像像素信息在不同尺度下的融合权重,通过叠加的方式将各个尺度密集连接网络的输出进行融合,并使用活动图方法计算两类图像的融合权重,最后根据权重计算结果得到融合图像,实验在THO数据集和CMA数据集获得较好的识别率.     

基于自适应分割的多曝光图像融合算法

针对传统多曝光图像融合存在颜色和细节信息保留不完整的问题,提出了一种新的基于自适应分割的多曝光图像融合算法。首先,采用超像素分割将输入图像分割为颜色一致的图像块,再利用结构分解将图像块分解为三个独立分量。根据各分量特点设计不同融合规则,以保留源图像中的颜色和细节信息。然后,采用引导滤波平滑各分量的权重图以及信号强度分量和亮度分量,有效地克服块效应缺陷,保留源图像中的边缘信息,减少伪影。最后,重构融合后的三个分量,得到最终的融合图像。实验结果表明,与传统的融合算法相比,所提算法在互信息（MI）上平均提升了53.6%、标准差（SD）上平均提升了24.0%。该算法能够有效地保留输入图像的颜色和细节纹理信息。