一种改进的SAR与可见光图像融合算法

针对现有SAR与可见光遥感影像融合算法的计算复杂度较高,细节信息保留较差等问题,提出了一种NSST-IHS结合自适应PCNN改进的融合算法。该方法先利用IHS 变换提取可见光图像的亮度分量I,并将得到的亮度分量I与SAR图像分别进行NSST变换;然后,针对低频子带分量采用方向信息即空间频率和平均梯度自适应调整PCNN的外部刺激与链接强度;高频子带分量上运用改进的拉普拉斯能量和(SML)的融合规则;最后,运用逆 NSST变换和逆IHS变换得到最终融合图像。实验表明,本文算法所得融合图像比传统算法在视觉效果方面提升明显,光谱信息及线性结构特征得到更多保留、各类评价指标上比传统算法要更好。     

基于PUCS与DTCWT的红外与弱可见光图像融合

针对红外与弱可见光图像传统融合算法在结果图像中目标不突出、整体对比度降低、边缘及纹理细节不清晰、缺失等问题,本文提出一种基于感知一致性空间（Perception Unified Color Space,PUCS）和双树复小波变换（Dual Tree Complex Wavelet Transform,DTCWT）的融合算法。首先,将红外与弱可见光图像的亮度分量由RGB空间分别转至感知一致性空间得到新的亮度分量以备后续变换处理;接着,将源图像利用DTCWT进行多尺度分解,分别获取各自的低频分量与高频分量;然后,根据不同频带系数特点,提出一种基于区域能量自适应加权的规则对低频子带分量进行融合,采用一种基于拉普拉斯能量和与梯度值向量的规则对不同尺度、方向下高频子带分量进行融合;最后,对融合后的高、低频子带分量进行DTCWT逆变换重构图像,再将其转回至RGB空间以得到最终结果。在不同场景下将本文算法与3种高效融合算法进行对比评价,实验结果表明,本文算法不但在主观视觉上具有显著的目标特征、清晰的背景纹理及边缘细节、整体对比度适宜,而且在8项客观评价指标上也取得了较好的效果。     

基于引导滤波与双树复小波变换的红外与可见光图像融合

针对传统图像融合算法目标不突出、边缘及纹理细节不清晰或缺失、对比度降低等问题，提出一种基于引导滤波（GF）和双树复小波变换（DTCWT）的红外与可见光图像融合算法。首先，根据红外与可见光图像的特点，在DTCWT分解前对可见光图像进行GF增强，同时对经DTCWT分解后的红外高频分量进行GF增强；然后，根据不同频带系数特点，提出一种基于显著性的自适应加权规则对红外与可见光低频子带分量进行融合，采用一种基于拉普拉斯能量和（SML）与梯度值向量的规则对不同尺度、方向下高频子带进行融合；最后，对融合后的高、低频系数进行DTCWT逆变换以得到最终重构图像。将所提算法与6种高效融合算法进行对比评价，实验结果表明，所提融合算法在不同场景下具有显著的目标特征，同时背景纹理和边缘细节清晰，整体对比度适宜，并且在4类客观评价指标上也取得了较好的效果。     

基于NSST变换与自适应PCNN的多特征遥感图像融合

针对基于NSCT变换的遥感图像融合算法存在计算复杂度高,细节表现能力不足的问题,本文提出了一种基于NSST变换与自适应PCNN的多特征遥感图像融合算法。首先,利用HSV变换提取MS图像的亮度分量V,并将得到的亮度分量V与PAN图像分别进行NSST变换;其次,对于低频子带,提出了一种基于自适应的PCNN融合规则,将空间频率和区域平均梯度分别作为PCNN的外部激励和链接强度;对于高频子带,采用基于多特征的融合规则;最后,进行逆NSST变换和逆HSV变换得到融合图像。仿真实验表明,该算法与一些经典的融合算法相比不仅可以提高图像融合质量,在视觉效果和客观指标上也都有良好的表现。     

基于图像特征激励的自适应PCNN红外与可见光图像融合方法

针对红外与可见光图像融合对比度不高,易丢失细节信息等问题,提出了一种非下采样Contourlet变换域内基于图像特征激励的自适应PCNN红外与可见光图像融合方法。针对PCNN参数设置复杂,自动化程度不高等问题,采用平均梯度和赋时矩阵来自适应调节PCNN链接强度和迭代次数等参数。对于NSCT多尺度多方向分解得到的高低频子带系数,分别采用特征激励的PCNN获得点火时间图,根据点火时间图的区域能量来选择融合系数。实验结果表明,该方法能够有效地融合红外和可见光图像信息,对比度高,而且能很好地保留图像的细节信息,无论在视觉效果上还是客观评价指标上,都优于常用的图像融合方法。     

基于PCNN与IFS的可见光与红外图像融合方法

鉴于传统的可见光与红外图像融合方法存在的边缘 模糊与清晰度低等问题,提出了一种基于脉冲耦合神经网络(PCNN)与直觉模糊集(IFS) 的可见光与红外图像融合改进算法。该方法首先利用IHS变换,分离可见光图像的亮度信息 I;其次,利用非下采样轮廓波变化(NSCT)将I分量与红外图像分别进行分解,得到高低频系数;对低频部分采用高斯隶属函数 和直觉模糊集进行融合,对高频部分采用PCNN模型进行融合;再次,通过非下采样轮廓波逆 变化得到融合图像的I分量;最后,进行IHS逆变换得到彩色融合 图像。大量仿真结果表明,这种融合方法能很好地保留可见光与红外光源图像的特征信息和 细节信息,融合后的图像的轮廓更加清晰,具有更良好的视觉效果。与现有的其它红外光和 可见光图像融合方法相比,本文提出的方法,其融合图像的熵值、边缘保持度、互信息、标 准差、结构相似度等指标都有明显的提高,有效地验证了本文算法的有效性。     

基于自适应权重Retinex和小波变换的彩色图像增强算法

针对现有图像增强技术容易出现细节丢失、局部曝光不足、过曝光或颜色失真,不能兼顾对比度和色彩保真的问题,提出了基于自适应权重Retinex与小波变换结合的彩色图像增强算法(AMSR-WT)。将图像从RGB空间转换到HSI空间,对亮度分量I进行小波变换分解为低频亮度图像和若干高频亮度图像,对低频图像使用自适应权重Retinex进行增强,对高频图像使用改进的阈值去噪算法进行去噪,通过小波逆变换重构亮度分量,经过Gamma校正进一步增强对比度并转换回RGB空间得到增强图像。实验结果表明,该算法有效提高了图像对比度和颜色保真度,较好地保留了图像的细节和纹理。     

基于模糊逻辑与NSCT的彩色图像融合

针对灰度融合图像色彩单一,视觉效果不佳的问题,提出了一种基于NSCT变换与模糊逻辑的多聚焦彩色图像融合算法。首先对彩色图像进行IHS变换,然后对亮度分量I进行NSCT分解,采用高斯隶属度函数确定低频分量自适应加权系数,对高频系数采用"模值取大"的融合准则进行融合,再通过NSCT逆变换,得到融合后的亮度分量,并由此计算融合后的色度分量和饱和度分量,实现彩色图像的融合。实验结果表明,该方法得到的融合图像色彩鲜明、边缘细节清晰、更加符合人眼视觉。     

基于PCNN的图像融合规则

简单介绍了多小波变换和脉冲耦合神经网络(pulse-coupled neural network, PCNN)的原理和特点.提出了在多小波分解后的高频域和低频域都使用基于PCNN的融合规则的算法.为了验证所提出的融合规则的有效性,对可见光图像和红外图像进行了融合实验,给出了评价融合质量的对比结果.实验结果表明,所提出的图像融合算法在增加图像对比度、保留图像细节信息、增加信息量方面都有明显的提高.     

基于AWNV的红外与可见光图像Tetrolet域融合方法研究

针对红外(IR)和可见光(VL)图像融合中边缘纹理和细节特征融合不理想等问题,提出了一种基于Tetrolet变换的红外和可见光图像的融合方法。将Tetrolet变换后的红外和可见光图像的低通子带采用基于加权平均的融合方法得到低通融合系数,而对高通子带提出了一种基于自适应邻域方差加权(AWNV)的融合规则得到高通融合系数,最后通过Tetrolet逆变换得到融合图像。采用多种图像进行融合实验,实验结果表明,经该方法得到的融合图像信息量更大,特征纹理更为丰富,能够得到比较好的融合效果。     

改进Retinex与多图像融合算法用于低照度图像增强

为了解决低照度图像在图像增强过程中图像质量不佳、对比度不高等问题,本文提出改进Retinex与多图像融合算法用于低照度图像增强。首先将待处理图像转换到HSV色彩空间,并设定阈值对其V通道分量进行亮度调节,然后转换到RGB色彩空间,将其拷贝3份,对第一份进行直方图均衡化,中值滤波处理;对第2份进行自动亮度调节,双边滤波处理;对第3份进行改进的Retinex算法处理,采用高斯滤波、双边滤波作为其环绕函数,估计图像照明分量,最后输出反射图。将处理后的3份图像转到HSV色彩空间,对其V分量进行多图像融合,H、S分量沿用第2份图像分量值,最后将融合后的图像由HSV转为RGB色彩空间,输出处理后的图像。实验结果表明,本文提出的算法在增强低照度图像的同时,还可抑制图像噪声,同时具有良好的保边性,且细节明显。     

基于NSST和高斯混合模型的医学图像融合算法

提出了一种基于非下采样剪切波变换（Non-subsampled shearlet transform, NSST）和高斯混合模型的医学彩色图像融合算法。首先将彩色图像转换到HSI颜色空间,提取其色度分量图像、饱和度分量图像和强度分量图像;然后对强度分量图像和MRI图像进行NSST变换,其中低频系数采用基于区域系数改进拉普拉斯能量和（Sum-modified-Laplacian,SML）加权的融合规则,高频系数采用高斯混合模型估计参数取大的融合规则;对融合后的系数进行NSST逆变换重构融合后的强度分量图像;最后将融合后的强度分量图像与色度分量图像、饱和度分量图像混合得到融合后的HSI图像,再将HSI图像转换到RGB颜色空间得到融合后的彩色图像。仿真实验表明,该算法在视觉效果和客观评价指标上具有更好的融合效果。     

基于视觉特性的非线性多尺度彩色图像增强

[目的]针对图像在低光照下的亮度和对比度偏低的问题,提出一种基于视觉特性的非线性多尺度彩色图像增强算法.[方法]该算法将彩色图像从RGB色彩空间转化到HSI色彩空间,保持H分量不变,对S分量进行指数拉伸,对Ⅰ分量利用视觉系统模型和非线性映射方法实现图像对比度增强,再通过自适应的亮度调整增加图像的全局亮度.最后将HSI色彩空间转化到RGB色彩空间,从而实现对彩色图像自适应增强.[结果]通过对低光照彩色图像进行增强测试,其测试结果表明,[结论]该算法能够自适应地调整图像的全局亮度,增加图像的局部细节对比度,并保持其原色彩,提升彩色图像在低光照下的视见度.     

基于双分解的双通道PCNN红外与可见光图像融合

为解决红外与可见光图像融合过程中存在的对比与清晰度较低和小目标易丢失等问题,提出了基于在双分解模型下的双通道PCNN(dPCNN)图像融合算法。首先对两幅源图像进行预增强处理,通过鲁棒的主成分分析(RPCA)将处理后图像分解为稀疏层与低秩层,接着,再利用非下采用剪切波变换(NSST)对的稀疏层进行多尺度分解得到低频子带与高频子带,然后对低秩层和低频子带采用局部加权能量与拉普拉斯能量两者取大的规则进行融合,对高频子带则利用dPCNN的点火图进行融合,最后将得到的融合成分进行逆变换或合成来得到最终融合图像。实验表明,该算法的融合图像目标信息对比突出、小目标信息明显,对源图像信息保留较好,客观评价指标也明显也优于其他算法,其中互信息有了大幅度的提升,有效地提升了红外与可见光图像的融合效果。     

基于亮度校正与多空间转换的水下图像增强北大核心CSCD

由于水体环境中光的吸收与散射,导致采集的水下图像存在颜色失真、亮度不均、对比度低等缺点。针对以上缺点,提出了基于亮度校正与多空间转换的水下图像增强方法。首先采用色彩平衡算法对退化图像进行颜色校正;然后将色彩校正的图像从红-绿-蓝(red-green-blue,RGB)空间转换为色调-饱和度-亮度(hue-saturation-value,HSV)空间,用构造出新的二维伽马函数处理V通道,再转回RGB空间;最后对颜色校正图像和亮度校正图像进行加权融合,并将融合图像从RGB空间转换为LAB空间,用限制对比度自适应直方图均衡化算法处理L通道,再转回RGB空间,便得到最终的增强图像。为验证本文算法的有效性,采用主观视觉效果和3种客观指标进行验证。结果表明,本文算法能够有效地校正图像亮度,提高图像清晰度。     

改进的PCNN模型在多光谱与全色图像融合中的应用研究

介绍了PCNN模型原理,提出了基于双通道自适应的PCNN多光谱与全色图像融合算法。该算法首先将RGB空间的多光谱图像转换为HSV彩色空间,然后将HSV彩色空间中的非彩色通道(V通道)的灰度像素值和全色图像的像素灰度值分别作为PCNN-1及PCNN-2的神经元输入,利用方向性信息作为自适应链接强度系数,对非彩色通道图像和全色图像进行自适应分解,再将点火时间序列送入判决因子得到新的非彩色通道图像,最后将原多光谱图像的H通道分量、S通道分量及新的V通道分量经HSV空间逆变换获得最终的融合图像。实验结果表明,该算法不仅解决了链接强度系数自动设置的问题,而且充分考虑到图像边缘和方向特征的影响,无论在主观视觉效果,还是客观评价标准上均优于IHS、PCA、小波融合等其他图像融合算法,同时降低了计算复杂度。     

基于LatLRR和PCNN的红外与可见光融合算法

针对光谱差异较大的红外与可见光图像，本文提出一种基于潜在低秩表示（LatLRR）和脉冲式耦合神经网络（PCNN）的多尺度融合模型。首先，该算法利用非下采样剪切波变换（NSST）获取图像的低频与高频分量。鉴于图像的低频分量决定最终的融合效果，采用LatLRR算法挖掘源图像内在的显著特征对低频分量自适应加权融合。除此外，针对决定融合图像细节的高频分量，则利用双通道PCNN模型作为它的融合规则。其中平均梯度算子（AVG）和方向梯度和算子（SDG）分别作为PCNN的外界刺激与链接强度，它们能更好地表征图像的纹理特性。通过上述全新的融合规则，可将包含在红外图像内部的显著性特征与可见光图像的梯度特征完美结合，从而获取具有优良视觉效果的融合图像。本文采用3种不同的场景来测试所提方法的融合性能，与其他典型融合方法相比，本文提出的算法具有更佳的视觉效果，同时客观评价参数值增加约2%~5%。     

基于感知颜色空间的灰度可见光与红外图像融合算法

针对灰度红外热像图和可见光图像的融合问题,提出了一种基于感知颜色空间的新的图像融合算法.该算法基于IHS色空间建立红外源图像灰度级与色调、饱和度和亮度等与人的感知颜色特征之间的函数关系,并根据可见光图像的边缘信息对亮度进行融合,最后通过矩阵转换,得到融合图像的RGB值.实验结果表明:该算法可以有效地融合红外热像图和可见光图像,融合图像不仅保留了环境细节,而且突出了目标,具有良好的目视效果.