基于D-S证据理论的CT/ECT图像融合实验方法

为提高多相流过程层析成像系统重建图像质量,分析CT、ECT成像机理及单一模态的局限性,提出一种基于D-S证据理论的CT/ECT图像融合实验方法。首先,将CT、ECT待融合图像的像素值聚类化,运用模糊聚类算法中的隶属度函数表示证据理论中的基本概率赋值函数;并通过D-S合成规则求解融合图像基本概率赋值函数,即融合图像隶属度函数。最后由融合图像隶属度函数反推融合图像像素值,实现"像素-概率-像素"之间的转化。实验结果表明:该方法可有效提高单模态重建图像质量,并优于传统像素融合算法。     

区域特征耦合DS证据理论的图像融合算法

目的提高融合图像视觉质量。方法提出区域多特征与改进的DS证据理论规则的聚焦图像融合算法。首先,引入二代Curvelet变换,对源图像进行分解,获取图像的粗尺度系数、细尺度系数;然后,根据区域中粗尺度系数的绝对值,构造最大值融合规则,完成粗尺度系数的融合;再联合区域方差、信息熵以及区域能量等特征,提取细尺度层的区域特征,并通过定义概率约束条件,改进DS证据理论的融合规则,增强DS合成规则的可信度,对图像的细尺度系数进行有效融合,使得融合图像保留更多的细节信息;最后,通过逆Curvelet变换完成图像的融合。结果与当前的图像融合算法相比,在对聚焦图像融合时,文中算法的融合图像具有更丰富的细节信息,其视觉质量更高,且融合时耗较短。结论所提算法考虑了像素之间的互相关性,进一步优化了图像融合质量,可用于遥感探测与包装印刷检测等领域。     

基于多信息融合的运动目标跟踪方法

针对复杂环境下多运动目标跟踪的高冲突信息组合问题,在DSmT的理论框架下,提出了一种将局部冲突在局部进行分配的改进证据合并方法来研究多运动目标的跟踪问题.该方法通过深入分析冲突及其相关因素之间的关系,将目标的位置信息与颜色信息进行融合建立起多信息合并的运动目标跟踪模型.仿真实验结果表明:采用该方法可实现互遮挡条件下的多...     

红外序列图像的支持向量机分割方法

红外序列图像的准确分割是自动目标识别的关键,而当图像背景复杂时,传统的图像分割技术往往难以满足要求,为此,提出了基于支持向量机的红外序列图像分割方法。序列图像中的部分帧被作为训练样本,通过选择适合的模型参数,运用支持向量机方法建立学习机器,将后续图像帧中的目标从复杂的背景中识别出来,从而实现红外图像分割。实际红外序列图像分割表明,基于支持向量机的图像分割方法不需要复杂的预处理和后处理工作,分割效果理想,对于小目标的图像,识别正确率可达 99%。     

基于模糊融合的红外弱小目标快速检测算法

提出了一种基于模糊融合的红外弱小目标快速检测新算法。算法以差分图像为基础，根据差分图像的噪声特性引入衡量像素点灰度变化程度的隶属度函数，将经过隶属度函数“模糊化”的数帧差分图像进行模糊“与”操作实现融合，按照规则对融合后的图像进行两次模糊推理，实现了弱小目标的检测。仿真实验结果表明，该算法保留了差分法良好的实时性，克服了确定检测阈值难和“硬”判决带来检测概率低的缺点，能快速有效地检测出低信噪比红外图像序列中的像素个数不小于4的弱小运动目标。     

基于数据融合的红外目标识别

为了获得良好的红外目标识别性能,综合应用了图像处理、模式识别和数据融合领域内的新技术.采用了神经网络和证据理论集成的数据融合方法进行目标识别的数据融合.根据LVQ神经网络在目标识别领域内应用特点,构造了基于证据理论的基本概率赋值函数.对此目标识别技术进行了测试,结果表明,采用此技术后的识别的可信度得到了较大提高.     

时空联合的红外运动目标提取算法

针对红外图像对比度差、边缘模糊的特点,提出了一种基于时空联合的红外序列图像目标提取的新方法.算法充分利用了红外目标的亮度特征、背景信息以及运动信息.时域分割中通过建立帧差图像背景的高斯分布模型,采用变化检测模板来确定红外目标约束区域.然后,构造图像像素与区域之间的空间关系隶属度矩阵并约束到传统的模糊聚类算法中,空域分割则利用该模糊聚类来对目标约束区域进行有效分割.最后将时空分割结果融合便能实现最终的红外目标提取.实验结果表明,该方法简单有效,能准确提取动态场景中的红外目标.     

基于EK-NN的水声目标识别算法研究

针对水声目标信号复杂、样本获取难度大且富含不确定信息的问题,研究了一种新的证据K类近邻识别算法(Evidence K Nearest Neighbor,EK-NN)。首先在水声目标的各类训练样本中,根据特征距离大小选取待识别目标的K近邻,并构造其基本置信指派函数。然后使用证据理论中的Dempster-Shafer(D-S)规则对各类别下的近邻证据进行组合,最后再应用冲突置信的比例分配规则5(Redistribute Conflicting mass proportionally rule5,PCR5)将所有类别的组合证据进行融合,并根据融合结果和所设立的分类规则来判断目标的类别属性。根据水声目标实测数据,将新算法与其他几种常见的水声目标识别算法进行了对比分析,结果表明新算法能有效提高识别的准确率。     

基于分形特征和导引滤波的可见光与红外图像融合算法

为充分利用红外图像的目标指示信息,本文提出了一种基于分形特征和导引滤波的可见光与红外图像融合算法。该算法首先采用分形特征对红外图像中的人造目标进行增强,通过阈值分割得到目标分布图。待融合图像经过一层分解得到近似图像和细节图像,基于目标分布图利用导引滤波分别得到可见光与红外近似图像与细节图像的融合系数。实验结果表明,融合后图像充分结合了可见光图像的背景信息与红外图像中的目标信息,有利于后续的目标识别任务。     

新的Otsu阈值改进方法的红外小目标检测

针对红外小目标区域灰度对比度很差的现象,以及红外小目标实时性检测的要求,在对Otsu阈值方法进行研究的基础上,结合红外小目标图像的自身特点,提出了一种新的Otsu阈值改进的红外小目标检测方法。该方法不仅继承了Otsu阈值方法比较简单,计算速度较快的优点,更重要的是很好地解决了照度不均匀的图像分割时候多个红外小目标粘连的问题,使红外小目标能够被清晰地检测出来。实验结果表明,新的Otsu阈值改进方法检测出红外小目标的准确率比Otsu阈值检测方法提高了20%。     

基于图像特征融合与决策融合的多模式人脸识别方法

利用可见光图像和红外热图像进行图像融合是多模式人脸识别领域的一个新的研究方向．分别从特征级和决策级两个层次上研究了可见光图像和红外热图像的融合问题．在特征级上,引入遗传算法进行特征的优选,实现了两种图像的特征融合;在决策级上,提出利用Dempster-Shafer证据理论来实现决策的融合,并给出了具体的融合方案．分别采集了50人的红外热图像和可见光图像,每种各10张,共1000张图片进行了实验研究．实验结果表明,无论是对两种图像进行特征级融合还是决策级的融合,融合以后最终得到的识别准确率都大大提高,对于LDA和D_LDA方法达到了100％的准确率因此,可以认为基于遗传算法的特征融合方法和基于Dempster-Shafer证据理论的决策融合方法是实现多模式人脸识别的可行方法．     

基于Curvelet变换的多聚焦图像融合方法

由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像.多聚焦图像融合技术可有效地解决这一问题.在分析了传统多聚焦图像融合方法和Curvelet变换的原理后,提出了一种基于Curvelet变换的多聚焦图像融合方法,先对不同聚焦图像分别进行Curvelet变换,采用低频系数取平均,高频系数取大的融合规则,再进行Curvelet反变换得到融合结果.仿真试验表明,基于Curvelet变换的融合方法可有效综合多聚焦图像,相比小波变换法,获得了更好的融合效果.     

一种基于小波变换的多聚焦图像融合方法

提出了一种基于低频系数局部区域梯度信息的多分辨率图像融合方法。根据局部梯度信息对源图像的小波低频系数进行选择,获取融合图像的对应低频系数。依照平均误差、峰值信噪比、均方根误差以及偏差度、熵等评价标准,将该方法的多聚焦图像融合效果与其他三种常用低频系数融合方法的效果进行了比较。实验结果表明,该方法获得的大部分评价指标都优于其他三种方法,且其最佳小波分解层数为2层,而其他三种方法的最佳小波分解层数为5层。最佳小波分解层数越少,图像融合的计算量越小。该方法在减少计算量的同时,提高了融合质量。     

基于模糊Choquet积分的图像融合效果评价

针对多源图像的融合效果评价问题,提出了一种基于模糊Choquet积分的图像融合效果评价方法。该方法采用融合图像熵值、交叉熵平均值、交叉熵均方根值、平均梯度值构成单因素评价指标集,基于知识确定F测度和各单因素评价指标的隶属度函数,应用Choquet积分综合各单因素指标得到一个综合评价指标。该方法综合利用了多个单因素指标的信息,并将人的知识引入到对图像融合效果的评价中,其评价结果更为全面客观。将该方法应用于CCD/SAR图像的融合效果评价,评价结果与理论分析结果和目视效果是一致的,表明了该评价方法的有效性。     

Fusion of visible and infrared images based on multiple differential gradients

ABSTRACT

The ideal fusion of infrared and visible images is to preserve the details of the visible image as much as possible and superimpose important highlights of the infrared image on the visible image. Therefore, this paper proposes a multiple differential gradient method (MDG) that fuses the infrared image with the difference image of the visible light image and the gradient image of the infrared image. First, an image with comprehensive information is obtained through the difference between the infrared image and the visible image, and it is fused with the suppressed visible image. The new image obtained is then fused with the divergent image of the infrared gradient. Finally, the gray value of the visible image is compared with the new image, and the point with the larger gray value is selected to be fused into the new image. The result is better than most classical algorithms.     

基于特征能量加权的红外与可见光图像融合

目前红外与可见光图像直接融合存在红外目标取舍和场景信息提取困难,结合非采样Contourlet的多尺度、多方向性和平移不变性的优点,本文提出了一种基于非采样Contourlet变换(NSCT)的红外与可见光图像融合方法.首先对源图像进行分解,然后低频子带通过构造基于区域的特征像素能量,进行加权融合,高频子带直接选用方差取大法融合.使用该算法进行了融合实验,并给出了融合质量评价.实验结果表明,本文提出的基于NSCT的图像融合算法在保留图像细节信息、增加信息量方面都有显著地提高.     

应用统计信号处理和模糊数学的图像融合算法

针对多传感器图像在像素级上的融合问题,将模糊数学理论引入到图像融合模型。该模型假定理想的融合后的图像包含场景所有的信息;将它乘上一个模糊因子,再加上随机噪声,可用来描述某一个成像传感器中获得的场景图像;不同的传感器对应不同的模糊因子和噪声。在此基础上,提出了建立在非多尺度分解框架下的图像融合算法。它以各传感器获取的图像作为输入条件,应用统计信号处理中的EM算法,求出针对不同传感器的噪声参数和模糊因子,通过迭代估计出融合的图像。实验结果显示,该算法获得的融合图像的互信息和联合熵分别达到3．5079和24．732,均优于加权平均融合法、小波融合算法和Laplacian融合算法的融合质量。     

Multifocus noisy image fusion using contourlet transform

Abstract

Image fusion is a challenging area of research with a variety of applications. The process of image fusion collects information from different sources and combines them in a single composite image. The composite fused image can better describe the scene than any of the source images. In this paper, we have proposed a method for noisy image fusion in contourlet domain. The proposed method works equally well for fusion of noise free images. Contourlet transform is a multiscale, multidirectional transform with various aspect ratios. These properties make it more suitable for image fusion than other conventional transforms. In the proposed work, the fusion algorithm is combined with a denoising algorithm to reverse the effect of noise. In the proposed method, we have used a level dependent threshold that is based on standard deviation of contourlet coefficients, mean and median of the absolute contourlet coefficients. Experimental results demonstrate that the proposed method performs well in the presence of different types of noise. Performance of the proposed method is compared with principal components analysis and sharp fusion based methods as well as other fusion methods based on variants of wavelet transform like dual tree complex wavelet transform, discrete wavelet transform, lifting wavelet transform, multiwavelet transform, stationary wavelet transform and pyramid transform using six standard quantitative quality metrics (entropy, standard deviation, edge strength, fusion factor, sharpness and peak signal to noise ratio). The combined qualitative and quantitative evaluation of the experimental results shows that the proposed method performs better than other methods.     

利用粗糙集和属性直方图的图像增强方法

利用粗糙集理论进行图像增强,子图的划分是关键。属性直方图是对直方图概念的推广,是一种由先验知识约束的直方图;将它用于子图的划分,在此基础上提出了一种基于粗糙集理论和属性直方图的图像增强方法。该方法利用属性直方图的 Otsu 算法确定灰度阈值,根据灰度阈值利用不可分辨关系,将图像划分为背景子图、目标子图和噪声子图,对去噪后背景子图和目标子图进行增强变换,并将它们合并得到增强图像。将该方法用于一种海底小目标图像增强。实验结果表明该方法处理增益为 11dB,明显地增强了图像,且不损害图像的边缘。该方法适用于图像有某种先验知识的场合。