基于蚁群算法的多传感器图像融合方法

为了使融合后的多传感器图像获得更多的光谱信息、提高清晰度、降低数据冗余度,提出了一种基于蚁群算法的多传感器图像融合方法.对低分辨率图像上的蚁群以相位一致性作为启发信息,高分辨率图像中的蚁群以梯度强度作为启发信息,两个蚁群通过共享的信息素矩阵实现协作,根据信息素矩阵提取图像特征.算法采用区域能量的加权自适应融合规则确定低频系数,结合蚁群算法提取的边缘特征融合来指导高频系数融合.融合结果表明,该方法在不同分辨率上引入了多种启发信息,因而能够提取更加完整和有意义的图像特征,为多传感器图像融合提供了更智能、更细致、更全面的图像信息.     

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。     

多传感器大差异像素图像融合方法研究与仿真

研究多传感器采集的图像高清融合问题。图像采集传感器分布区域较为广阔,各区域的图像像素灰度、梯度、像素密度等存在较大差异,不同区域的像素灰度存在较大冲突。传统的多传感器多采用图像的像素叠加技术完成融合,无法避免不同区域的传感器采集图像像素不匹配引起的像素冲突。针对造成融合图像信息丢失的问题,提出一种基于冲突惩罚因子的多传感器图像融合方法,通过对像素进行分类,运用冲突惩罚因子,选取高信息量的像素进行平滑融合,得到高清晰多传感器融合图像。实验证明,这种多传感器图像融合方法能够最大化地保证融合后的图像信息,得到高清晰度的融合图像。     

基于概率模型的多尺度图像融合算法

文章给出了一种基于概率模型的多尺度图像融合新算法。首先,对不同的传感器图像分别进行小波分解,得到塔式结构子图像层;其次,基于不同传感器图像对应层上的对应像素,根据最小二乘规则估计模型参数;然后,根据贝叶斯规则进行融合图像相应像素的最大后验概率估计;最后,通过小波逆变换得到融合图像。采用该算法对可见光和红外图像进行融合,其结果与其它方法相比更有效。     

基于Matlab的车辆图像的配准与融合

采用模板匹配法对同源传感器视频采集到的车辆图像进行匹配,对所配准的图像采用加权平均的融合算法进行融合,可以获得对同一场景、同一目标更准确、全面、可靠的图像描述,从而实现对车辆图像特征的精确提取。通过Mat-lab仿真实验表明,该方法能更有效地提取车辆图像特征,达到对车辆外型的准确描述。     

基于稀疏表示的自适应图像融合方法研究

图像融合是将两幅或两幅以上由不同传感器在同一时间或不同时间获取的关于某个具体场景的图像或图像序列信息融合为一幅图像,使得融合图像更有利于人们分析和理解。基于目前经典的图像融合方法的基础,提出一种新的基于稀疏表示的自适应图像融合算法。首先根据训练的超完备字典将两幅源图像表示为两组稀疏系数,然后根据系数的特征自适应地选取融合规则对系数进行融合,最后由融合系数和字典进行重构得到融合图像。该算法在稀疏表示的过程中能够有效地避免产生块效应且能去除噪声,从而提高图像质量。实验结果表明该方法在主观和客观评价上均优于其他算法。     

基于证据理论的双传感器决策融合目标检测

针对单传感器图像目标检测概率相对较低的问题,提出用来自两个传感器的图像分别进行目标检测,并基于加权证据理论将检测结果进行决策级融合.在对同一地区SAR图像和高光谱图像进行决策级融合过程中,各证据的权值确定采取了以传感器信任度决定权值的方法,实现了各传感器之间图像信息最优化互补.实验结果表明,在虚警概率为10<'3>数量级的条件下,加权融合后的检测概率达到84.51%,比仅用单一高光谱图像和SAR图像进行目标检测时分别提高了11.27%和19.72%:在主观视觉效果上,采取决策级融合后检测效果也更好.     

基于修正PCNN的多传感器图像融合方法

多传感器图像融合技术作为信息融合的重要分支和研究热点,已广泛应用在机器视觉、医疗诊断、军事遥感等领域。为了更好地进行多传感器图像融合,将在图像分割、目标识别等领域具有独特优势的脉冲耦合神经网络(pulse coupled neural network,PCNN)引入到多传感器图像融合领域中来,提出了一种基于修正PCNN的多源图像融合方法,该方法在区域分割的基础上,先提取区域特征,然后由特征指导融合过程;同时,从目标区域相对于背景的显著性出发,提出了一种反映目标区域突出性的新特征,并针对传统PCNN参数无法自动设定的难题,提出了基于修正PCNN的参数自动设定方案。实验结果表明,该方法无论在主观视觉效果,还是客观评价参数上均优于基于多分辨分析的融合算法,且克服了传统像素级融合方法中融合图像模糊、对噪声敏感等不足,尤其适用于图像不能严格配准的应用场合。这对于拓宽PCNN的理论研究和实际应用具有一定价值。     

多传感器数据的统计融合方法

在多传感数据融合过程中 ,各传感器的可靠程度的确定是至关重要的。利用统计方法理论 ,将各传感器的可靠程度模糊化 ,进而给出各传感器的综合支持程度指标 ,并在此指标基础上给出多传感器数据的融合结果。该方法计算简便 ,其结论较为稳定     

基于提升格式小波变换的医学图像融合技术

图像融和是对取自不同时间、不同传感器或不同视角的同一场景的两幅图像或者多幅图像进行信息融合的过程,主要用于消除来自不同传感器图像中目标的位置差异。在分析常见算法的基础上,提出了一种新医学图像融合算法,新算法以提升格式小波变换为基础,利用图像多级小波分解后近似分量的轮廓相似性进行图像的快速融合。实验结果表明,新方法高效精确。     

基于Kalman滤波的数字水印算法

提出了一种基于Kalman滤波的数字水印算法,利用图像融合的思想和Kalman滤波对数字水印进行了研究.嵌入水印的过程可以视为宿主图像和水印图像的图像融合的过程.假设嵌水印图像作为目标状态,在图像融合过程中,采用Kal-man滤波对观测状态进行最优估计.根据宿主图像和水印图像进行建模,得到观测方程和状态方程,在估计误差...     

Digital watermarking algorithm based on Kalman filtering and image fusion

A digital watermarking algorithm based on Kalman filter and image fusion is proposed. The digital watermarking can be viewed as a process that embedding a weak signal (watermark) to a strong signal (original image), so the process of watermarking can be viewed as a process of image fusion. In the proposed watermarking algorithm, the watermark embedding and extraction process are expressed as the state estimate process, and Kalman filter is used as an optimal estimation algorithm in the process of image fusion. An optimal estimation model is built according to the watermark image and the original image, and then the state equation and the corresponding measurement equation are built. The optimal estimation is archived in case of the minimum estimation error variance. Crossentropy and mutual information are used to evaluate the performance of image fusion. Experimental results show that the proposed algorithm has a good performance in both robustness and invisibility.     

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。     

一种基于小波变换的多分辨图像融合算法

图像的融合过程是将两个或更多的图像结合成一个图像,融合图像保留了每一个图像的重要特征。图像融合技术能够提高图像质量和数据的实用性。主要描述了图像融合的两个课题：（1）融合算法;（2）质量评估。介绍的图像融合算法是先对原图像进行多分辨小波变换,再把输入图像的小波变换系数通过一定的融合规则进行选择,然后经过逆小波变换得到新的图像,对图像融合的质量评估也进行了讨论。     

IKONOS image fusion process using steepest descent method with bi-linear interpolation

There are many image fusion processes to produce a high-resolution multispectral (MS) image from low-resolution MS and high-resolution panchromatic (PAN) images. But the most significant problems are colour distortion and fusion quality. Previously, we reported a fusion process that produced a1 m resolution IKONOS fused image with minimal spectral distortion. However, block distortion appeared at the edge of the curved sections of the fused image, which was reduced by performing the wavelet transformation as a post-process. Here, we propose an image fusion process using the steepest descent method with bi-linear interpolation, which can remove block distortion without using wavelet transformation. Bi-linear interpolation provides the proper initial values of the fused image, and then the steepest descent method produces the optimum results of the fusion process. These results achieve improvement on the spectral as well as spatial quality of a1 m resolution fused image when compared with other existing methods and remove block distortion completely.     

多传感器图像融合流程建模及仿真

建立图像融合流程并选择最优的融合方法是后续图像融合处理的关键,直接决定了图像融合的效果和应用。分析和研究了多传感器图像融合流程建模方法,建立了一个以图像数据源为入口,以融合模型和融合规则为核心,以融合后图像为输出,以多因素综合判据下的图像融合评价体制为终点的闭环式图像融合流程。最后通过仿真实验,对各自的融合算法和融合规则进行比较,从中选择出容易与主客观评价方法取得一致的,简单实用的,具有与图像数据源和融合目的相适应的融合算法来完成图像融合流程的建模。     

基于改进的NSCT红外可见光图像融合算法

针对在红外可见光图像融合过程中目标细节信息容易丢失的问题,提出一种使用非下采样轮廓波变换（NSCT）和主成分分析法（PCA）相结合的图像融合算法。首先应用NSCT将源图像分解分别得到低频和高频的子带图像。在低频子带系数中,由于PCA能够突出图像的主要信息,所以选用主成分分析法融合规则。高频子带中,相对来说较高层次系数表达的是源图像中最为细节的信息,可选用绝对最大值法融合规则,而相比之下低层次系数代表了较为粗糙的信息,可选用绝对最大值与区域标准差融合规则。从实验结果可以得出,在红外可见光图像目标信息和细节信息融合效果上该算法优于其他算法,有更好的图像视觉效果。     

采用小波分析的图像融合方法评述

图像融合是多传感器信息融合在图像处理领域的一个重要应用,以小波分析为工具是这一领域研究方法上的重大突破。在引入图像的小波多分辨分析的基础上,介绍了图像的快速小波分解,提升小波算法;小波图像融合步骤及融合过程中融合规则的选取,融合效果的客观定量评价。最后,通过对小波滤波器组选择及有代表性的融合规则的大量实验,并用熵,交叉熵,交互信息量进行定量分析和比较,给出了结论,并指出该领域今后发展的热点。     

一种根据图像能量调整的图像融合方法

针对传统图像融合算法无法对能量差异较大的图像取得良好融合效果的问题,文中根据图像的能量划分,利用多尺度变换和稀疏表示相结合的方式分解两幅图像的高低频信号,在低频部分自动调整不同能量图像块的稀疏融合规则,并在高频部分加入一致性检验,从而进一步约束对应局部空间能量MSD系数的复合过程,最后通过小波逆变换重构得到融合图像。使用红外图像、医学图像和多聚焦图像分别进行融合性能的验证,并分析稀疏分解层数和窗口步长等条件对融合效果的影响,最终取得该框架下的最优分解方式,获得了具备优秀的主观效果和客观指标的融合图像。实验结果表明,该算法在对任意两种类型传感器获得的图像进行融合时均能获得更加优秀的融合效果,且不仅局限于某两种图像的融合,其在SF,SSIM和EFQI等客观指标上优于传统融合算法和一般多尺度结合稀疏表示的算法。