多小波变换在夜视图像融合算法中的应用

从微光图像和红外图像的特点出发,提出了一种基于多小波变换的夜视图像融合算法.该方法先对夜视图像进行多小波变换得到各子带的多小波系数,其低频系数采用自适应加权融合算子进行融合,高频系数先进行阈值去噪和子带增强,再采用基于频带方向的融合算子进行融合,经多小波逆变换后得到融合图像.实验结果表明,本文算法与单小波融合算法、传统融合算法相比,得到的图像能更好地突出图像的边缘特征,增强图像的可视性和清晰度,并在信息熵、峰值信噪比等客观性能指标上取得了显著的改善.     

基于多尺度柔性形态学滤波器的图像融合

提出了一种基于柔性数学形态学的图像融合新方法。首先,对源图像进行柔性形态学多尺度开闭滤波,得到源图像的低频平滑图像。其次,应用了柔性的多尺度top-hat变换和bottom-hat变换,提取小于相应尺度的图像细节特征。最后,对于以上两步骤得到的低频平滑图像和多尺度高频细节图像分别进行图像融合,应用形态学重建过程生成融合图像。多聚焦图像融合和红外可见光图像融合实验表明,这种融合方法优于相应基于多尺度标准形态学滤波器(MSMF)的图像融合方法,特别适用于受噪声污染的图像融合处理。     

基于非下采样Contourlet变换的多传感器图像融合

根据非下采样Contourlet变换同时具有多尺度多分辨分析和平移不变性质的特点,提出一种基于非下采样Contourlet变换的多传感器图像融合方法,将其应用于多传感器图像融合的两个重要领域——多聚焦图像融合和高分辨、多光谱图像融合,从视觉效果和信息量指标方面对融合图像进行主观评判和数值评价.实验中将本文方法与Contourlet变换、小波变换、主成分分析等方法进行了比较,结果表明本文方法得到的融合结果具有更优的视觉质量和量化指标,能很好地将源图像的细节信息融合在一起,拓广了NSCT的应用范围.     

保持图像细节的多尺度形态滤波的新方法

提出了一种适于灰度图像细节的多尺度形态滤波(MMFPD)方法。在普通多尺度形态开、闭滤波基础上，增加了多尺度top-hat变换和bottom-hat变换，用于提取并平滑小于该心渡的特征。此外，较小的尺度特征中包含噪声颗粒的可能性较大，据此修正了top-hat变换和bottom-hat变换的系数。对标准灰度图像进行滤波处理的实验结果表明，该方法噪声去除效果好，图像细节保持完整，处理效果明显优于传统滤波方法。     

边缘检测和小波变换在多聚焦图像中的应用

根据多聚焦图像的特点,把边缘检测方法和小波变换融合算法结合起来,可以获得同一场景内所有物体都清晰的图像。首先利用高斯—拉普拉斯算子对源图像进行融合,得到边缘清晰的融合图像;接着对源图像进行小波变换,变换后的小波系数融合规则采用选择融合和加权平均融合相结合,经反变换后得到整体清晰的图像;最后将边缘清晰融合图像与小波变换融合图像再一次融合,得到了清晰度增强的融合图像。仿真试验表明,边缘检测和小波变换相结合的融合方法可有效综合多聚焦图像。     

基于GoogLeNet-WT-Canny的紫外成像仪中的图像配准与融合

针对目前紫外成像仪中紫外光图像与可见光图像配准叠加精度低、电晕放电定位偏差大等问题,提出一种基于GoogLeNet模型、小波变换(Wavelet Transform,WT)和Canny算子相结合的紫外与可见光图像配准融合方法,并将其应用于高灵敏紫外成像仪中.首先,引入迁移学习的思想,利用预训练的GoogLeNet模型自主挖掘可见光图像和紫外图像的特征;其次,将提取出来的特征作为预测变量,输入极限学习机(Extreme Learning Machine,ELM),以空间变换参数为指导监督模型训练,实现高精度紫外与可见光图像配准;最后,利用二维小波变换与Canny算子对配准后的图像进行多分辨率分析与边缘检测,实现无紫外信息损失的图像融合.实验结果表明,所提方法的紫外与可见光图像配准精度高,融合效果良好,具有很好的工程实用价值.     

采用WA-WBA与改进INSCT的图像融合算法

在冗余提升变换与多方向分析相结合的图像融合算法改进的非下采样轮廓波变换(INSCT)中,冗余提升部分采用的Neville算子在多尺度分解的过程中丢失了很多方向信息,不利于后续的多方向分析。针对这一问题,该文提出了一组新算子,可以在频带分解部分很好地保持图像的方向信息,并在此基础上提出一种图像融合算法。该算法先用直方图均衡化的方法提高红外图像中目标区域的灰度值;然后用新算子代替Neville算子对可见光图像与处理后的红外图像进行多尺度分解;最后采用基于权重窗口的活动级与加权求和相结合(WA-WBA)的方法替代简单的加权求和方法对低频子带进行融合,采用一致性测度,实现了各子带系数的自适应融合,有效地弥补了基于像素的图像融合方法的不足。实验结果表明,该算法使融合后的图像更好地保持了可见光的细节信息,同时获得了较清晰的红外图像中的目标信息。     

基于小波变换数据融合的图像边缘检测算法

本文提出了一种基于小波变换数据融合的图像边缘检测算法。该方法对原始图像分别采用小波变换、“Sobel”算子和“Log”算子三种方法提取边缘,再将三种算法结果通过数据融合的手段获得一幅新的边缘图像。仿真实验结果表明,该方案所得到的边缘优于单独采用“Sobel”或“Log”算子所获得的边缘图像,是一种有效的图像边缘提取算法。     

基于提升小波和形态学融合的图像边缘检测

针对传统边缘检测方法边缘定位不精确的缺点,结合提升小波变换和数学形态学的优势,提出了一种融合提升小波和多尺度形态学的边缘检测方法.首先,对原始图像进行提升小波变换;再用小波变换和多尺度形态学算子分别对低频图像进行边缘检测,根据异或原则融合成低频边缘;然后,用小波变换检测高频图像边缘;最后,通过提升小波反变换得到边缘图像.实验结果表明,与传统或其他的形态学边缘检测方法相比,该算法在保持图像边缘清晰的同时,具有很强的边缘定位能力.     

基于Contourlet变换的彩色图像融合算法

以红外和彩色可见光图像为研究对象,提出一种基于Contourlet变换的彩色图像融合算法.算法首先通过IHS(Intensity-Hue-Saturation)变换将彩色可见光图像从RGB颜色空间变换到IHS空间,进而利用Contourlet变换和加权融合规则将 I 分量图像与红外图像进行融合,然后将得到的灰度融合图像进行线性拉伸以获得与 I 分量相同的均值和方差,最后用拉伸后的灰度融合图像替换原来的 I 分量,并通过IHS逆变换得到最终的RGB彩色融合图像.算法一方面将Contourlet变换这一新的数学工具引入到图像融合中,另一方面提供了一种新的红外和可见光图像的彩色融合方法.实验结果表明,同样采用本文的彩色融合方法,Contourlet变换的融合结果优于小波变换,而且本文彩色融合方法的融合性能明显超过传统IHS变换融合法.     

红外图像目标识别的预处理技术研究

红外图像目标识别系统,由图像预处理、特征提取及模式分类组成,红外图像目标识别的图像预处理包括滤波降噪、图像增强、图像分割等。滤波降噪有邻域平均、中值等滤波方法,图像增强可通过微分、Butterworth高通滤波和形态学高低帽变换完成,图像分割采用阈值分割技术和形态学方法实现。综合比较各种处理方法,采用中值滤波进行降噪、高低帽变换进行图像增强、阈值分割与形态学处理结合进行图像分割,较好地实现了红外图像目标识别的预处理。     

多源影像融合与分割的协同方法

针对现有影像融合与分割方法之间缺乏协同的问题,借鉴数据同化系统能够协同其模型算子和观测算子,并且能够自适应地优化其本身的思想,提出一个多源影像融合与分割的协同框架.在该框架下,以基于对比度金字塔变换和基于非下采样的Contourlet变换的两种融合方法分别模拟模型算子和观测算子,以评价分割效果的概率随机系数为目标函数,以带交叉算子的粒子群算法作为数据同化系统的优化算法.该框架可根据融合结果影像来调整分割算法的参数,利用分割结果来指导融合结果的优化,从而使得影像融合与分割协同工作.二组实验验证了该框架的有效性.     

基于IMOPSO算法的多目标多聚焦图像融合

目前的多聚焦图像融合方法对于融合模型的建立主要依赖于经验,其参数配置存在主观性.提出了一种基于IMOPSO算法的多目标多聚焦图像融合方法,简化了多聚焦图像融合模型,克服了参数配置对经验的依赖性.首先给出了多聚焦图像融合有效的评价指标,然后构造了统一的小波域多聚焦图像融合模型,最后以模型参数作为决策变量,采用IMOPSO算法进行多目标优化搜索.IMOPSO算法不但引入变异算子以避免早熟,而且引入拥挤算子,使Pareto优解尽可能均匀分布于Pareto前端,并采用一种新的自适应惯性权重提高寻优能力.实验结果表明,IMOPSO算法具有更快的收敛速度和更好的寻优能力,同时基于该算法的融合方法也实现了Pareto最优多聚焦图像融合.     

Change detection in synthetic aperture radar images based on image fusion and fuzzy clustering

This paper presents an unsupervised distribution-free change detection approach for synthetic aperture radar (SAR) images based on an image fusion strategy and a novel fuzzy clustering algorithm. The image fusion technique is introduced to generate a difference image by using complementary information from a mean-ratio image and a log-ratio image. In order to restrain the background information and enhance the information of changed regions in the fused difference image, wavelet fusion rules based on an average operator and minimum local area energy are chosen to fuse the wavelet coefficients for a low-frequency band and a high-frequency band, respectively. A reformulated fuzzy local-information C-means clustering algorithm is proposed for classifying changed and unchanged regions in the fused difference image. It incorporates the information about spatial context in a novel fuzzy way for the purpose of enhancing the changed information and of reducing the effect of speckle noise. Experiments on real SAR images show that the image fusion strategy integrates the advantages of the log-ratio operator and the mean-ratio operator and gains a better performance. The change detection results obtained by the improved fuzzy clustering algorithm exhibited lower error than its preexistences.     

一种新的自适应图像增强融合算法

提出了一种新的自适应图像增强融合算法,算法将输入图像分解为反映图像平均照度特征的低频分量和反映图像对比度特征的高频分量图像,基于局部灰度方差增强因子和非线性投影变换因子进行自适应图像增强处理,基于局部能量、局部归一化互相关融合测度和加权融合算子对增强后的图像进行特征提取和重构,得到融合图像.有效地将输入图像细节特征传递组合到融合图像中.     

基于小波变换的医学图像多因子融合技术及实现

概述了医学图像融合的意义。分析了以小波变换作为研究工具的理论优势。阐述了基于小波变换的图像融合原理．描述了具体的融合算子和性能评价参量。抽取了几幅医学图像进行融合试验并对结果加以分析。     

基于CCS的数字图像边缘检测的设计

数字图像边缘检测的设计大多是基于Matlab软件设计的,这与工程化还有一定的距离。针对这一不足,给出了数字图像边缘检测Sobel算子以及程序设计流程,并在CCS v3.1的软件仿真环境下进行仿真实验。通过3个实例的分析,验证了基于CCS的数字图像边缘检测设计的可行性。结果表明,使用Sobel算子实现了图像边缘检测,这为图像处理提供了一种硬件实现的方法。     

数据同化框架下红外与可见光图像的可控融合

针对现有图像融合方法的规则不易根据融合图像的后续使用要求进行自适应调整,并且各种方法的优点不易综合的问题,提出一种数据同化框架下的基于粒子群优化(PSD)和差分进化(DE)算法的融合方法。该方法把比率低通金字塔变换作为数据同化系统的模型算子,把非下采样的Contourlet变换(NSCT,nonsubsampled contourlet transform)作为观测算子,根据后续处理对图像各个属性指标值的依赖程度构造目标函数,再利用PSD和DE的混合算法来优化目标函数从而获取合适的影像。两组实验从视觉效果和定量指标两方面验证了方法的有效性。     

基于压缩感知的多聚焦图像融合方法

随着压缩感知技术的发展,基于压缩感知的图像融合技术研究受到越来越多的重视。针对图像傅里叶变换系数特点,提出了一种双星采样模式下基于高低频重要性度量的压缩传感域图像融合算法。该算法首先通过双星采样模式获得测量值,然后计算高低频区域对应的重要性度量作为融合算子,并对测量进行加权融合,最后通过求解最小全变分优化问题重构融合图像。主客观实验结果表明,该算法优于其他基于傅里叶的方案。     

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%。