一种基于正交小波包分解和2v-SVM的医学图像融合新方法

针对现有的图像融合算法在特征表达及信息取舍上的局限性,提出了一种基于正交小波包分解和2v-SVM的医学图像融合新算法.采用正交小波包将图像信号频带进行多层次分解,提取特定的频率成分,对低频分量节点逼近系数采用本文提出的基于2v-SVM的线性加权融合算子处理,结合两幅图像中大的高频分量节点逼近系数构成新的节点系数矩阵,最后通过小波包重构得到融合后的图像.实验结果证明了该方法的有效性和优越性.     

基于平均梯度和方向对比度的图像融合方法

由于不同传感器获得的多幅图像对同一场景的描述具有信息的冗余性和互补性,在小波图像融合的基础上提出了一种基于平均梯度和方向对比度的图像融合方法。对参加融合的两幅图像进行小波多尺度分解,在每幅图像的最高分解层上,分别计算高频子带每个系数的邻域绝对值均值和低频系数的邻域均值之比,采用两者之比较大者所对应的高频子带系数作为融合后所对应的小波系数,对于其他分解层上的高频系数和低频系数,利用梯度最大化的融合规则得到融合图像的小波系数,通过小波重构得到融合图像。将该方法应用于仿真实验,融合图像的视觉效果有很好的改善,客观评价指标有所提高。     

基于小波包变换的区域图像融合方法

提出了基于小波包变换的区域图像融合方法。首先对参加融合的两幅图像进行小波包多尺度分解,得到两个金字塔结构。然后,先分别提取每个金字塔最高层(分辨率最低层)的近似分量图像的边缘,把两边缘图像进行或运算以获取两幅图像的共同目标的边缘图像,并求两近似分量图像的均值产生一幅新的近似分量图像,使用文章提出的“区域聚类”的方法对新的近似分量图像进行分割产生一幅标签图像,此图中的每一个区域对应图像中的一个目标,同一区域中的所有像素都取同一个值,不同的区域取不同的值。利用标签图像,对小波包分解后最高层所有的高频细节分量图像按区域能量取大的规则进行区域对区域的融合,形成融合二值决策图。利用此二值决策图对最高层的低频近似分量图像和细节分量图像进行融合,最后重构。并采用均方根误差对该方法进行了客观评价。实验结果表明该方法有较好的融合效果,其融合性能比基于窗口能量取大的单个像素的小波包图像融合方法的融合性能好。该方法体现了真正意义上的“目标融合”。     

一种基于小波方向对比度的多聚焦图像融合方法

人类视觉系统对于图像的局部对比度非常敏感,如果把小波变换和方向对比度结合起来,融合效果可能更好。在研究了方向对比度后提出了一种新的基于小波方向对比度的多聚焦图像融合方法。首先对参加融合的两幅图像进行小波多尺度分解,然后在每幅图像的每个分解层上,分别计算高频子带每个像素的邻域均值和低频子带的邻域均值之比,其中该分解层的低频子带是由上个分解层的低频子带和高频子带求2维离散小波逆变换得到,采用两者之比较大者所对应的高频子带系数作为融合后对应的小波系数,然后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数求2维离散小波逆变换,最终得到融合后的图像。这种方法考虑了邻域内像素的相关性,减少了融合像素的错误选取。实验结果表明,该方法的融合效果比针对每个像素求小波方向对比度的多聚焦图像融合方法的融合效果得到提高。     

复小波包域遥感图像局部自适应融合算法

为了使融合后的图像在保持原IKONOS 卫星图像多光谱特性的同时,最大可能地提高图像空间 分辨率,提出了一种基于四树复小波包变换的SAR 图像与多光谱IKONOS 卫星图像相融合的新方法．该方法 利用复小波包变换的多方向性和对高频细节信号良好的时频局部化分析能力,分别对IKONOS 图像经HIS 空 间变化的I 分量子图和SAR 图像进行复小波包分解,并对分解后的低频复系数采用取平均或取大值的方法、 对高频方向复系数采用邻域一致性测度的局部自适应方法进行复系数融合．用融合后复系数经复小波包反变 化得到的图像代替原IKONOS 图像经HIS 变换的I 分量,再经HIS 空间反变换得到最终的融合图像．实验结 果表明,该融合算法在光谱保留和空间质量提高方面,比传统的基于小波变换的融合算法具有更高的性能．     

基于小波变换的PCNN多传感器图像融合

利用PCNN（Pulse Coupled Neural Network）在图像处理中的独特优势,提出了一种基于小波变换的PCNN多传感器图像融合方法。对源图像进行小波分解,得到不同尺度下的子带图像;在小波域中利用PCNN的同步脉冲激发特性,制定基于PCNN的融合规则;使用不同尺度下的小波系数的SF（Spatial Frequency）作为对应神经元的链接强度,经过PCNN点火得到源图像在小波域中的点火映射图;通过判决选择算子,选择点火次数多的小波系数作为对应的融合系数,进行区域一致性检验,获到最终的融合系数;对融合后的系数进行小波逆变换得到融合图像。实验结果表明,该方法有效地综合源图像中的重要信息,得到更好视觉效果和更优量化指标的融合图像,在主客观评价上均优于小波、PCNN等方法。     

一种基于小波变换的图像融合方法

提出了一种小波多分辨率分解的图像融合方法。该方法首先利用小波变换将图像分解为不同分辨率、不同方向的分量，然后利用系数绝对值取大和基于局部方差最大化的融合规则得到融合图像的小波系数，最后通过逆小波变换得到融合图像。实验结果表明，该方法是有效的。     

基于小波变换的自适应脉冲耦合神经网络图像融合

针对同一场景多聚焦图像的融合问题,提出了一种基于小波变换的自适应脉冲耦合神经网络（PCNN）图像融合方法。首先,对源图像进行小波分解,得到不同尺度下的子带图像;然后,在小波域中利用PCNN的同步脉冲激发特性,制定基于PCNN的融合规则;使用不同尺度下的小波系数的拉普拉斯能量（EOL）作为对应神经元的链接强度,经过PCNN点火得到源图像在小波域中的点火映射图;通过判决选择算子,选择点火次数多的小波系数作为对应的融合系数,然后进行区域一致性检验,获到最终的融合系数;最后,对融合后的系数进行小波逆变换得到融合图像。实验结果表明,该方法更有效地提取原始图像的特征信息,提高融合图像的视觉效果,在主观视觉效果与客观性能指标上均优于传统的图像融合方法。     

基于小波分解的图像融合方法及性能评价

给出了一种新的基于小波多尺度分解的分层图像融合方法.其基本思想是先对源图像 进行小波多尺度分解;其次,按照融合规则,采用基于区域特性量测的选择及加权算子去构造融 合图像对应的小波系数;最后,通过逆小波变换重构融合图像.该方法被成功地用于图像的融合 处理.此外,利用熵、交叉熵、互信息、均方根误差、峰值信噪比等参量,对该融合方法的融合性能 进行了评价与分析.实验结果表明,该融合方法是十分有效的.     

基于小波系数叠加的遥感图像融合法

在基于小波变换图像融合法的基础上提出了基于小波系数叠加的图像融合法。该方法首先将多光谱图像进行HSV（Hue,Saturation,Value）色彩空间变换,将V分量进行归一化得到V′,将V分量（取值范围为[0,255]）和归一化后的V′（取值范围为[0,1]）同全色图像一同进行小波分解,然后采用小波系数叠加策略进行融合,最后进行小波反变换和HSV反变换得到新的融合图像。实验结果证明该方法具有较好的融合效果。     

一种基于区域分割和M带小波变换的图像融合算法

针对目前小波域图像融合所存在的问题,文中阐述了一种基于区域分割和M带小波变换的图像融合算法,在图像配准的基础上对各幅源图像进行M带小波分解,由分解结果产生图像纹理向量,对纹理向量进行聚类,形成源图像的多尺度区域分割,通过区域重叠得到指导融合的联合区域分割图像,然后进行图像融合;此算法充分利用了图像中体现象素间关系的区域信息和M带小波变换在能量紧致性和方向选择性等方面的优势;仿真实验表明,该算法的结果不论在主观视觉效果还是在客观评价指标方面都优于传统的二带小波融合算法.     

一种基于小波变换的多聚焦图像融合方法

提出了一种改进的基于小波变换的多聚焦图像融合方法。该方法采用小波变换对源图像进行多尺度分解,得到高频和低频图像;对高频分量采用基于邻域方差加权平均的方法得到高频融合系数,对低频分量采用基于局部区域梯度信息的方法得到低频融合系数;进行小波反变换得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该方法与传统融合方法的融合效果进行了比较。实验结果表明,该方法所得融合图像的效果和质量均有明显提高。     

用于EVS的改进小波变换图像融合算法

为增强小波变换图像融合算法的实时性,提高视觉增强系统(EVS)可见光图像与红外图像实时融合的效率,提出了一种基于矩阵QR分解和小波变换的图像融合算法.该算法对原始图像的像素矩阵进行QR分解,再利用正交矩阵的性质,根据小波变换图像融合算法对QR分解得到的上三角矩阵进行分解融合,利用QR分解得到的正交矩阵逆变换得到融合图像.实验结果表明,该算法能获得较好的实时性,同时保证较好的融合效果.     

基于形态Haar小波变换的多聚焦图像融合

针对多聚焦图像融合问题,提出一种基于形态Haar小波分解和重构的新方法。通过形态Haar小波分解源图像,在低频分量中保留图像边缘和细节,并采用加权平均法进行融合。高频分量先经Gauss滤波去除噪声和边缘效应,再按取大值的原则进行融合。结合形态Haar小波重构融合后的高低频系数获得融合图像。实验结果表明,该方法能最大限度地保留图像边缘和细节信息,与总体平均法和小波变换法相比,融合图像的熵较大,总体交叉熵较小。     

基于局部熵的小波变换图像融合算法

研究基于小波变换的图像融合算法。首先对待融合图像进行小波多尺度分解,得到小波的分解系数,对高频分量和低频分量系数采取不同的融合规则。低频部分系数融合采用简单加权平均法,高频部分系数融合采用基于邻域熵值的方法。对融合后系数进行逆小波变换得到重构图像,融合后图像清晰、对比度好。与最大绝对值法、领域方差法作比较。最后通过熵、标准差、平均梯度值等参数对融合后的图像进行定量分析。实验数据表明提出的方法是切实可行的。     

一种基于区域分割的多尺度遥感图像融合方法

光谱保持和高分辨率保留是图像融合的重要问题,提出了一种区域分割和小波变换相结合的多尺度遥感图像融合方法。首先对经过配准的待融合图像进行小波变换,然后对变换后的低频系数进行基于区域标准差的分割,将低频系数分为目标信息和背景信息,接着对目标信息采取基于绝对值的融合,对背景信息采用基于灰度误差的融合。对小波变换后的高频系数采用基于清晰度的融合规则,最后进行小波逆变换得到融合图像。将该方法和几种常用融合方法进行对比分析,结果表明:该方法在有效地保持多光谱影像光谱信息的同时,可以有效地提高融合影像的空间细节信息,有利于后续进行信息提取和图像分类。     

基于小波多尺度分解的互补全景图像融合

为了解决折反射成像内外环分辨率低且不均匀的问题,针对互补全景图像的特点,提出了一种基于小波多尺度分解的图像融合方法。首先对两幅互补的源图像分别进行小波多尺度分解,得到不同分辨率、不同方向的分量;其次,按照特定的融合策略,低频采用平均算子进行融合,高频采用逐层互换的融合策略进行融合;最后,通过小波逆变换得到融合图像。实验结果表明,该方法在互补全景图像的融合中简单有效,并且拥有较好的效果。     

基于可协调经验小波变换的多聚焦图像融合

提出了可协调经验小波变换,并将其应用于多聚焦图像融合。经验小波变换（EWT）是一种自适应信号分解方法,具有比经验模态分解和传统小波分解更好的特性。其核心思想是通过构造自适应的滤波器实现对信号的自适应分解。但是若直接对两幅多聚焦图像分别进行EWT分解,因各自生成的经验小波互不相关,将出现分解所得对应子带不匹配的情况,影响融合图像的质量。针对这一问题,提出了一种可协调的经验小波变换（C-EWT）,C-EWT分解下的两个多聚焦图像的对应子带是完全匹配的。基于此,利用C-EWT提出了一种新的多聚焦图像融合算法。每幅源图像经过C-EWT分解后,得到一个低频分量和多个高频分量; 对低频分量采用基于改进Laplacian能量和的阈值匹配选择与加权规则进行融合,对高频分量则采用局部Log-Gabor能量取大的融合规则;将融合之后的各子带分量进行重构得到融合图像。仿真实验表明：与其他六种融合算法相比,所提算法在融合聚焦区域、保留边缘和细节信息方面具有优势,融合图像具有更好的视觉效果,且客观评价指标与标准图像最为接近。