基于多尺度几何分析的医学图像融合

针对医学图像,提出了一种基于多尺度几何分析的医学图像融合算法。首先,利用Contoutlet变换对待融合两幅图像进行分解,将得到的低频分量分别利用Shearlet变换分解,并采用区域能量加权平均的规则,进行一次融合得到融合低频分量;对得到的高频分量分别用小波变换进行分解,再用低频、高频取大的规则进行一次融合得到融合高频分量,最后对得到的融合高低频分量进行Contourlet逆变换得到融合结果。实验结果表明,该算法在信息熵和平均梯度等参数上有明显提升,且能更好地表征图像中不同的奇异性。     

基于小波-Contourlet变换的多传感器图像融合

提出了一种新的基于小波-Contourlet变换的融合多传感全色和多光谱影像的算法.由于Contourlet变换具有良好的多方向性和多尺度,所以它比其他方法更适应于进行多传感图像融合,对于小波-Contourlet变换后得到的低频和高频分量系数,采用平均法选择低频区域系数,选择区域"能量"较大的高频系数作为融合影像的高频系数.实验结果表明,基于所提出的小波-Contourlet变换的融合结果优于其他常用的融合方法.     

基于小波变换的图像融合方法

提出了一种基于小波变换的改进图像融合方法。对小波分解后的高频分量使用图像区域内像素的最大绝对值作为该区域中心像素的活性测度以得到融合图像的高频分量,对分解后的低频分量通过度量其图像块的质量来确定融合图像的低频分量。实验结果表明,该方法得到的融合图像清晰度和对比度都较好,是一种有效的图像融合算法。     

基于SIDWT的多模态脑部医学影像融合算法北大核心

研究了人脑CT/MRI医学图像融合算法。传统的基于小波变换的融合方法由于不具备平移不变性,在融合图像的奇异处易产生失真。提出了一种基于平移不变离散小波变换(SIDWT)的新融合方案。利用SIDWT将待融合的医学图像分解成低频子带和高频子带。对于高频子带,提出平滑度来划分子带区域,针对不同区域采用不同的融合规则,更好地保持了源图像的边缘细节信息。对于低频子带,采用基于局部区域对比度的融合规则。实验结果表明,该算法融合性能优越,比传统的融合算法获得更好的融合效果。     

基于SIDWT的多模态脑部医学影像融合算法

研究了人脑CT/MRI医学图像融合算法.传统的基于小波变换的融合方法由于不具备平移不变性,在融合图像的奇异处易产生失真.提出了一种基于平移不变离散小波变换(SIDWT)的新融合方案.利用SIDWT将待融合的医学图像分解成低频子带和高频子带.对于高频子带,提出平滑度来划分子带区域,针对不同区域采用不同的融合规则,更好地保持了源图像的边缘细节信息.对于低频子带,采用基于局部区域对比度的融合规则.实验结果表明,该算法融合性能优越,比传统的融合算法获得更好的融合效果.     

基于非亚采样Contourlet和SWT的多光谱图像和全色图像的融合算法

该文研究了多尺度几何分析工具非亚采样Contourlet变换(NSCT),提出一种新的全色图像和多光谱图像融合的方法。该方法首先对全色图像和进行过IHS变换的多光谱图像的亮度分量进行NSCT变换,对于二者的低频近似系数再进行平稳小波变换(SWT)并融合,进一步提高融合图像的空间信息量,对于高频细节系数,采用基于局部平均梯度的方法进行融合,经过逆NSCT得到融合图像。实验结果表明,该文提出的方法在保留多光谱图像的光谱信息的同时,增强了融合图像的空间细节表现能力,提高了信息量,并且优于传统的基于IHS变换、小波变换、双树复小波变换及Contourlet变换的融合方法,该方法是有效可行的。     

基于DT-CWT的多聚焦图像的融合

由于离散小波变换在图像融合中的缺陷,提出基于双树复小波变换的图像融合方法。首先对源图像进行双树复小波变换,对低频和高频分别采用局部窗口能量比和局部梯度比作为融合相关性测度,然后基于加权和选择相结合的规则融合高频系数和低频系数,得到各频域系数,最后复原图像。实验结果表明,双树复小波变换的融合方法具有良好的客观评价性能和主观视觉效果,融合规则的可行性。     

基于灰色关联度的提升小波域图像融合算法

针对多聚焦图像,提出了一种基于提升静态小波变换(Lifting Stationary Wavelet Transform,LSWT)和灰色关联度相结合的图像融合算法.首先将待融合的两幅图像分别进行提升静态小波变换,低频分量采用平均法融合.其次针对低频分量和各个方向的高频分量,分别计算以每个像素为中心的方块的能量和均值.然后按照一定的融合规则,分别得到高频分量融合后的值.最后进行提升小波逆变换,得到融合后的图像.实验结果显示,该方法融合效果较好,优于传统算法.     

基于多尺度变换的直觉模糊推理图像融合算法

提出了基于多尺度变换的直觉模糊推理医学图像融合方法,针对4种多尺度变换对图像融合的影响进行了分析。文中融合算法是利用4种多尺度变换对待融合图像进行分解,并对得到的低频分量和高频分量采用直觉模糊推理融合规则进行处理,最后将融合后的低频分量和高频分量经逆变换得到融合图像。实验结果表明本文算法优于传统的模糊推理图像融合算法,并且在变换域中,Contourlet变换下的融合结果要优于其它3种变换。     

基于提升小波变换的红外图像融合算法研究

介绍了提升小波变换,提出了基于提升小波变换的图像融合方法,算法针对提升小波变换后的低频分量和高频分量的不同特点,选用了不同的融合准则进行融合,然后通过提升小波逆变换得到融合图像。通过分析可见光与红外图像的融合结果并与其他融合方法进行比较,实验结果表明,该算法使得融合后图像内容清晰,具有增强图像的空间细节能力,取得了较好的融合效果。