自适应标准差特征的压缩感知图像融合

针对传统压缩域融合算法单一、融合效果不佳的问题,文中提出了结合图像高频特征的自适应融合规则。首先,对融合图像进行 NSCT变换,分解后得到的低频子带系数采用区域能量融合规则,以获取较传统低频系数处理更好的融合效果; 由于分解后的高频子带系数具有较高稀疏性,因此通过 CS 进行压缩后自适应选择融合规则,最后对重构系数进行 NSCT逆变换。实验结果表明：与传统经典算法相比,新方法兼顾了待融合图像的背景信息和红外目标信息,有效提高了图像的融合效果。     

基于NSCT与DWT的压缩感知图像融合

针对基于非下采样轮廓波变换(NSCT)的压缩感知图像融合算法,存在融合图像局部细节信息表达不足的问题,提出一种基于NSCT与离散小波变换(DWT)的压缩感知图像融合算法。首先,对图像进行NSCT变换,得到低频系数和高频系数;然后,对高频系数进行压缩融合,并通过重构算法恢复融合的高频系数;而对低频系数,采取基于小波变换的融合方法;最后,对融合的高频系数和低频系数进行NSCT逆变换,得到最终的融合图像。实验结果表明:本文算法使融合图像的质量,在主观和客观方面都得到了明显改善,最终的融合图像具有更多的细节特征和更清晰的边缘轮廓。     

基于NSCT域压缩感知模型的路面病害图像滤波算法

针对目前路面图像滤波算法复杂度高且难以耦合噪声抑制和信号平衡的缺点,提出一种基于非下采样Contourlet变换(NSCT)域压缩采样的滤波算法。首先,使用NSCT对含噪路面病害图像进行分解,得到变换后的低频子带系数和高频子带系数;然后,对高频子带系数建立压缩感知(CS)去噪模型,并采用伪随机傅里叶矩阵对系数进行观测,之后使用分裂Bregman迭代方法对系数进行重构,得到去噪模型重建后的高频子带系数;最后,采用逆NSCT对低频子带系数和高频子带系数进行重构,得到滤波后的图像。实验结果分析表明了本文算法的有效性。     

基于局部能量与模糊逻辑的红外偏振图像融合

针对红外偏振与红外光强图像的成像特征差异,提出了一种基于 NSCT(Nonsubsampled Contourlet Transform)的红外偏振与红外光强图像的新融合算法.该算法首先采用NSCT对源图像进行多尺度、多方向分解,然后对低频子带图像采用局部能量融合规则,融合后再对低频融合图像进行直方图均衡化处理,而对高频方向子带图像采用了模糊逻辑,根据各图像的特征差异来分别选择基于像素、基于区域和加权平均的融合规则,再对得到的各个子带图像进行NSCT重构,从而得到最终的融合图像.通过实验仿真表明本文算法能有效的融合源图像的互补信息,使得该算法在目标识别中具有一定的优势和现实意义.     

DWT、NSCT和改进PCA协同组合红外偏振图像融合

为充分保留红外光强和偏振图像细节、强度等信息,综合多算法的优势性能,提出一种DWT、NSCT和改进PCA的多算法协同组合融合新方法,在考虑3种算法互补协同关系基础上,充分保留源图重要目标和细节信息。首先,用离散小波变换(DWT)将源图分解为高低频分量,低频用非下采样轮廓波变换(NSCT)再次分解;其次,对主成分分析法(PCA)进行权值改进,分块融合NSCT分解所得低频分量;然后,提出"相关系数-局部能量-局部标准差"规则融合NSCT分解所得高频,用"层内对比度"规则融合DWT分解所得高频;最后,NSCT逆变换重构所得图像作为DWT低频融合图,再用DWT逆变换获得最终融合图像。实验结果表明,所提方法在视觉效果、细节层次及保留等方面比单一或简单组合方法更具优势,对不同场景适应性较强。     

基于稀疏表示和NSCT-PCNN的红外与可见光图像融合

针对小波变换容易造成细节信息丢失、非下采样轮廓波变换(NSCT)分解的低频子带系数不稀疏以及红外与可见光图像融合结果综合性能不佳的问题,提出了一种基于稀疏表示和NSCT-PCNN的红外与可见光图像融合算法。首先将源图像进行NSCT分解,获得低、高频子带;其次,利用K奇异值分解(K-SVD)算法对低频子带进行字典训练,实现低频子带的稀疏表示和低频稀疏系数的融合;然后,利用高频子带的空间频率激励脉冲耦合神经网络(PCNN),选择较大点火次数的系数作为高频子带的融合系数;最后对低、高频子带融合系数进行NSCT逆变换,得到融合的图像。实验结果表明,该算法在视觉效果和客观指标方面均具有较大优势,且融合结果综合性能优于现有算法。     

一种新的NSCT图像融合算法研究

针对传统NSCT图像融合算法考虑方向的信息完成的缺点,文章提出了新的NSCT 图像融合算法。该算法是基于方向区域的,通过对源图像的分解可以得到各个方向的高低频子带,根据不同分解层的方向的特性对高低频系数按方向区域能量融合,再经过反变换得到最终的融合图像。此算法在体现出各源图像细节特征的同时还很好的保留了边缘等很多有用的信息。测试结果表明,此算法和传统的NSCT图像融合算法相比,融合效果更好。     

一种快速的基于稀疏表示和非下采样轮廓波变换的图像融合算法

为了提高图像融合的效率和质量,该文提出一种基于快速非下采样轮廓波变换(NSCT)和4方向稀疏表示的图像融合算法。该方法首先对源图像进行快速NSCT分解,生成一系列低通和高通子带。对于低频子带,利用自适应生成的DCT过完备字典进行快速的4方向稀疏表示和系数融合;对于高频子带,则利用高斯加权区域能量最大的融合规则进行系数融合。快速NSCT将传统NSCT的树形滤波结构转变为多通道滤波结构,能成倍提高分解效率;快速的稀疏融合则抛弃了传统的滑动窗口方法,以水平、垂直、对角线4个方向进行稀疏表示和稀疏融合,进一步提高算法效率。实验结果表明,提出的快速算法能在不影响融合质量的条件下将算法效率提高近20倍。     

基于NSCT的SAR与可见光图像融合算法

针对SAR图像与可见光图像融合的特点,提出一种基于非下采样Contourlet变换(NSCT)的SAR图像与可见光图像融合算法。通过NSCT变换对SAR图像和可见光源图像进行分解,对低频子图像,采用以区域熵为测度参数进行邻域融合。对高频子图像的最高层采用区域标准差选大法进行融合;对高频子图像的其他层采用以邻域相关系数为阈值,基于平均梯度选择的邻域算法进行融合。最后进行NSCT逆变换得到最终融合图像。实验结果表明该方法可以获得较理想的融合图像和更多的细节信息。     

采用NSCT与FCM相结合的SAR和多光谱图像融合算法

合成孔径雷达（SAR）和多光谱（MS）图像的融合,有助于得到对观察对象的更好地视觉感知。但是,由于其内在成像机制上的差异,许多经典的方法已被证明不适合这一研究,因此本文提出了采用非下采样contourlet变换（NSCT）和模糊C均值聚类（FCM）相结合的图像融合算法。采用FCM对SAR图像进行分割,得到目标区域和背景区域;采用NSCT对SAR图像和多光谱图像进行分解,得到低频子带和高频方向子带;对于低频部分,不同分割区域采用不同的自适应融合准则进行融合;对于高频部分,采用区域块能量准则进行融合;最后,通过NSCT逆变换得到融合后图像。实验结果表明,该算法的融合图像能很好的保留SAR图像的目标信息和多光谱图像的光谱信息,融合效果优于大部分传统的融合算法。      

基于NSCT的自适应多判决图像融合方法

针对传统的融合方法对于红外图像目标信息和可见光图像丰富的背景信息无法有效地保留到融合图像的问题,提出一种基于NSCT变换的自适应多判决红外与可见光图像融合方法。首先,将来自同一场景配准后的红外与可见光图像进行NSCT多尺度、多方向分解;然后,分别对高低频系数采取不同的融合规则：低频系数采用基于区域能量调节因子自适应加权的方法,对高频系数采用混合的融合方法,即对于高层,采用像素点绝对值选大的融合方法,对于低层采用基于对比度的多判决融合方法;最后,将得到的高低频融合系数进行逆NSCT变换得到融合图像。实验结果表明,经主客观评价,本文提出的融合方法优于文中其他基于多尺度分析的图像融合方法,可得到更理想的融合图像。     

基于区域方向的NSCT与PCNN图像融合算法

针对NSCT移不变形、多尺度性和多方向性等特点,结合脉冲耦合神经网络,量融合规则,高频系数则采用PCNN融合规则。最终对融合后的系数经NSCT 逆变换得到了融合图像。实验结果表明,该方法更好地保留了原图像中的有用信息,并提高了融合图像质量。     

基于NSST变换与自适应PCNN的多特征遥感图像融合

针对基于NSCT变换的遥感图像融合算法存在计算复杂度高,细节表现能力不足的问题,本文提出了一种基于NSST变换与自适应PCNN的多特征遥感图像融合算法。首先,利用HSV变换提取MS图像的亮度分量V,并将得到的亮度分量V与PAN图像分别进行NSST变换;其次,对于低频子带,提出了一种基于自适应的PCNN融合规则,将空间频率和区域平均梯度分别作为PCNN的外部激励和链接强度;对于高频子带,采用基于多特征的融合规则;最后,进行逆NSST变换和逆HSV变换得到融合图像。仿真实验表明,该算法与一些经典的融合算法相比不仅可以提高图像融合质量,在视觉效果和客观指标上也都有良好的表现。     

基于人眼视觉特性与自适应PCNN的医学图像融合算法

针对多尺度变换的图像特征,提出了一种基于人眼 视觉特性与自适应脉冲耦合神经网络(PCNN)的医学图像融合新方法。首先,对经配准的源图 像进行非下采样Contourlet变换(NSCT), 得到低频、高频子带系数;然后,考虑到低频子带系数中保留了绝大部分源图像能量和图像 轮廓特征,提出 区域能量(RE)和梯度奇异值度量(GSVM)相结合的方法;考虑到图像全局特 征,将PCNN用于高频子带系数中,提出区域视觉对比度(SLVC )模拟人眼视觉特性作为PCNN的 外部刺激输入,设定PCNN的链接强度随视觉对比敏感度(VCS) 自适应变化,同时考虑到PCNN的迭 代次数,利用Sigmoid函数计算其点火输出幅值的显著性度量;最后,对获得的融合系数进 行逆NSCT得到融合图像。通过实验对比分析表明,本文算法不仅可以保留源图像信息的同时 ,还得到较好的客观评价指标和视觉效果。     

Multi-modality medical image fusion based on separable dictionary learning and Gabor filtering

Sparse representation (SR) has been widely used in image fusion in recent years. However, source image, segmented into vectors, reduces correlation and structural information of texture with conventional SR methods, and extracting texture with the sliding window technology is more likely to cause spatial inconsistency in flat regions of multi-modality medical fusion image. To solve these problems, a novel fusion method that combines separable dictionary optimization with Gabor filter in non-subsampled contourlet transform (NSCT) domain is proposed. Firstly, source images are decomposed into high frequency (HF) and low frequency (LF) components by NSCT. Then the HF components are reconstructed sparsely by separable dictionaries with iterative updating sparse coding and dictionary training. In the process, sparse coefficients and separable dictionaries are updated by orthogonal matching pursuit (OMP) and manifold-based conjugate gradient method, respectively. Meanwhile, the Gabor energy as weighting factor is utilized to guide the LF components fusion, and this further improves the fusion degree of low-significant feature in the flat regions. Finally, the fusion components are transformed to obtain fusion image by inverse NSCT. Experimental results demonstrate the more competitive results of the proposal, leading to the state-of-art performance on both visual quality and objective assessment.     

基于人眼视觉特性的NSCT医学图像自适应融合

医学图像融合对于临床诊断具有重要的应用价值。针对多模态医学图像特性,本文提出一种基于人类视觉特性的医学图像自适应融合方法。首先,对经配准的源图像进行非间隔采样轮廓变换（（Nonsubsampled Coutour-let,NSCT）多尺度分解,得到低频子带和若干高频方向子带;其次,根据低频子带集中了大部分源图像能量和决定图像轮廓的特点,采用区域能量与平均梯度相结合的方法进行融合;根据人眼对图像对比度及边缘、纹理的高敏感度,在高频子带系数的选取时提出区域拉普拉斯能量、方向对比度与脉冲耦合神经网络（Pulse Coupled Neural Network,PCNN）相结合的融合策略;进而,提出了把与人类视觉高度一致的加权结构相似度（Weighted Structure Similarity,WSSIM）作为图像融合目标函数,自适应地获取各子带的最优权值;最后,对灰度图像和彩色图像进行了大量融合比较实验,并对不同融合方法进行分析对比。实验结果表明：本文算法不仅可以有效保留源图像的信息,而且可以使融合图像灰度级更分散,更好地保留了图像边缘信息,具有更好的视觉效果。     

基于NSCT和PCNN的可见光与红外图像融合算法

提出了一种基于Contourlet变换的非下采样变换(Nonsubsampled ContourletTransform,NSCT)和脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的可见光与红外图像融合算法。该算法首先对源图像进行NSCT分解,得到低频子带系数和各带通方向子带系数。然后对低频子带系数提出一种基于可见光与红外图像自身特性的加权平均融合方法,再对各带通子带系数提出基于PCNN的融合方法。最后经过NSCT逆变换得到融合图像。实验证明,该方法优于小波方法和传统的NSCT方法。     

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NSCT的红外偏振与光强图像的融合研究

针对融合规则的选择,提出了一种基于非采样Contourlet变换的红外偏振与光强的融合方法。该算法采用NSCT对源图像进行多尺度、多方向分解,然后对低频子带系数和高频子带系数分别采用局部能量和区域目标特征的选择,最终通过逆变换得到融合图像。实验结果表明：与加权融合和绝对值取大的融合规则相比,局部标准偏差、局部粗糙度、对比度、分别提高3.42%、12.7%、9.67%。