基于区域分割和非下采样Contourlet变换的多聚焦图像融合算法

针对基于神经网络分割算法计算复杂、运算量大等问题,提出一种根据单焦距图像聚焦区域和失焦区域局部相对清晰度的不同进行区域分割的多聚焦图像融合算法。该算法有效结合了非下采样Contourlet变换(NSCT)在图像分解中的多尺度、方向性、各向异性和平移不变性等特点,利用各方向高频分量的聚类来对低频分量进行分割、融合。实验表明该算法是一种有效的多聚焦图像融合方法。     

基于导向滤波的多聚焦图像多阶特征融合算法

传统的图像特征融合算法未进行多阶特征分解,存在边缘信息保持度、平均梯度、清晰度等指标不佳问题,为此提出导向滤波的多聚焦图像多阶特征融合算法.通过图像导入法获取输入图像的不平滑区域,利用损失函数实现多阶特征分解.采用高斯滤波曲线获取图像内部参数,根据矫正矩阵获取矫正后二值图.计算清晰度、边角保留度以及对比度,并据此进行噪声权值优化,从而实现多聚焦图像多阶特征融合.实验结果表明,提出的融合算法能够更好地保持多聚焦图像原始高频信息,有效提升边缘信息保持度、平均梯度以及清晰度.     

基于离散小波框架变换的彩色多聚焦图像融合算法

提出了一种基于离散小波框架变换的彩色多聚焦图像融合算法。首先求取各彩色多聚焦图像的灰度分量,再对各灰度分量进行离散小波框架变换,根据离散小波框架变换系数求取各图像中像素的清晰度指标,然后根据各图像中像素的清晰度指标对属于清晰区域的像素进行组合,从而得到融合后的图像。试验结果表明本文所提出的算法能够较好地解决彩色多聚焦图像融合问题。     

基于清晰度和非下采样多聚焦图像融合

根据多聚焦图像的特点提出一种基于清晰度的NSCT图像融合算法。在清晰的区域,低频系数和高频系数全部采用清晰区域的系数,而从清晰到模糊过渡的区域,低频系数则取区域方差值最大,高频子带系数取区域能量值最大。该算法与梯度金字塔算法、小波融合算法和Contourlet融合算法进行比较,实验结果证明该方法融合后的图像与源图像具有最小均方差。     

基于清晰度信息与灰度差异熵的图像修复算法

当前较多图像修复算法主要利用图像的结构信息来计算待修复块的优先权,忽略了图像的清晰度信息,导致修复图像中含有振铃以及块现象等问题.对此引入图像的空间频率,设计了基于清晰度信息与灰度差异熵的图像修复算法.首先,将数据项、空间频率和置信度项进行组合,形成待修复块的优先权度量函数,使其在优先权的计算过程中充分考虑了图像的清晰...     

基于区域锐度的多聚焦图像融合

为了获得同一场景内所有物体都清晰的图像,提出一种新的多聚焦图像融合算法。把待融合图像进行分块,构造融合块的清晰度评价函数（区域锐度）,根据其区域锐度值,判断融合块应取自哪幅源图像。采用投票选举的方法对融合图像进行一致性校验,对相邻但来自不同聚焦图像的融合块进行加权融合。实验结果证明,与基于小波分解的融合算法相比,该算法速度快、效果好。     

多聚焦图像融合方法仿真研究

研究了多聚焦图像融合问题.针对焦点不同的图像融合后,在传输过程中由于受到不同的噪声的干扰造成结果清晰度不高等问题,为了提高图像的清晰度,提出了一种改进的多小波变换多聚焦图像融合算法.首先利用不同的小波对待融合图像进行小波分解,采用多尺度双结构元对输入图像进行滤波,在融合规则选择中,采用加权平均法选择高频系数,采用绝对值...     

变换编码中消除图像“块效应”的优化算法

在基于DCT城内系数量化的压缩算法中，随着码率的降低，量化也越来越粗糙，使重建后的图像产生“块效应”和“振铃现象”等问题。本文提出了一种优化算法束消除这种现象，首先采用块边界滤波削弱相邻块的边界像素突变，然后将图像内的DCT块分为三类，针对不同类型的块所具有的特性采取不同的处理算法，从而在不对图像清晰度产生
明显影响的情况下消除“块效应”和“振铃现象”。     

基于梯度边缘最大值的图像清晰度评价

光电遥感相机获取的遥感图像传回地面后都会出现一定降质模糊现象,通过复原可 以得到较高质量的遥感图像。得到复原图像后,需要一些方法来评价复原图像质量提高的程度。 为此提出了一种遥感图像清晰度的评价方法,通过提取图像的梯度,找出梯度最大的区域,计算 出该区域的像元个数,并以此作为图像的清晰度参数,计算复原图像清晰度与降质图像清晰度之 间的相对误差,得到清晰度提升率。通过设计实验来验证该方法的有效性。结果表明,该方法可 以准确评估复原图像的清晰度提升率,对弱振铃波纹有较好地抑制效果,在信噪比大于22 dB 时, 评价结果不受噪声影响。     

基于边缘检测的双树复小波图像融合算法

提出了一种新的图像融合算法——基于边缘检测的双树复小波图像融合算法。多聚焦图像经过双树复小波变换较好地克服了传统小波变换的平移敏感性等缺点;低频系数利用边缘信息进行融合,较好地保留了图像的细节信息,提高了融合图像的质量;高频系数则采用常见的基于区域特征的融合规则。实验结果证明,该算法能够有效地提高融合图像的清晰度,细节更为丰富。