基于SIDWT的多模态脑部医学影像融合算法

研究了人脑CT/MRI医学图像融合算法.传统的基于小波变换的融合方法由于不具备平移不变性,在融合图像的奇异处易产生失真.提出了一种基于平移不变离散小波变换(SIDWT)的新融合方案.利用SIDWT将待融合的医学图像分解成低频子带和高频子带.对于高频子带,提出平滑度来划分子带区域,针对不同区域采用不同的融合规则,更好地保持了源图像的边缘细节信息.对于低频子带,采用基于局部区域对比度的融合规则.实验结果表明,该算法融合性能优越,比传统的融合算法获得更好的融合效果.     

双色红外图像融合在目标检测中的应用

针对双色红外的图像融合特点,提出了一种基于在小波分解域中,在高频子带上采用区域能量测度融合规则,在低频子带上采用加权平均融合规则。首先,双色红外成像系统分别对中波和长波红外图像进行提升小波分解,提取出2幅图像的低频和高频信息,并采用不同的融合规则对低频和高频子带图像进行融合,然后通过提升小波反变化对各层系数进行重构,得到目标区域的融合图像。而后再通过小波软阈值化去噪,最后进行目标自动检测。通过实验对比证明,提出的融合规则更好地提高了目标的检测和识别概率。     

基于多尺度几何分析的医学图像融合

针对医学图像,提出了一种基于多尺度几何分析的医学图像融合算法。首先,利用Contoutlet变换对待融合两幅图像进行分解,将得到的低频分量分别利用Shearlet变换分解,并采用区域能量加权平均的规则,进行一次融合得到融合低频分量;对得到的高频分量分别用小波变换进行分解,再用低频、高频取大的规则进行一次融合得到融合高频分量,最后对得到的融合高低频分量进行Contourlet逆变换得到融合结果。实验结果表明,该算法在信息熵和平均梯度等参数上有明显提升,且能更好地表征图像中不同的奇异性。     

基于NSST的红外与可见光图像融合算法

针对红外与可见光图像具有不同的特点,提出一种新的基于非下采样剪切波变换（NSST）的红外与可见光图像融合算法.算法首先采用NSST将已配准的红外与可见光图像进行分解,得到低频子带图像和各尺度各方向的高频子带图像;然后对低频子带图像采用一种基于显著图的低频融合规则进行融合,而对高频子带图像的融合,结合人眼视觉特性,采用一种基于改进的区域对比度的融合规则;最后,对融合的低频子带图像和高频子带图像进行NSST逆变换得到融合图像.实验结果表明,该算法能够有效地综合红外与可见光图像中的重要信息,融合效果要优于一般的基于NSCT、NSST的图像融合方法.     

shearlet变换和区域特性相结合的图像融合

为了提高多模医学图像或多聚焦图像的融合性能,结合shearlet变换能够捕捉图像细节信息的性质,提出了一种基于shearlet变换的图像融合算法。首先,用shearlet变换将已精确配准的两幅原始图像分解,得到低频子带系数和不同尺度不同方向的高频子带系数。低频子带系数使用改进的加权融合算法,用平均梯度来计算加权参量,以此来改善融合图像轮廓模糊度高的问题,高频子带系数采用区域方差和区域能量相结合的融合规则,以得到丰富的细节信息。最后,进行shearlet逆变换得到融合图像。结果表明,此算法在主观视觉效果和客观评价指标上优于其它融合算法。     

一种多传感器图像融合与数字水印技术

在小波包域提出了一种多传感器图像融合和双水印算法。首先,利用HIS变换和小波包变换将多光谱和全色图像分解为多个高低频子带,根据小波包域系数特点,低频部分采用基于区域平均能量加权算法的规则进行融合,高频部分采用绝对值取大的规则进行融合。然后,在高低频图像融合系数分别嵌入一个水印,低频水印利用了离散余弦变换的聚能去相关能力,高频水印利用了图像纹理子块特征。最后,对嵌入的双水印融合图像进行攻击和分析。实验结果显示,融合图像在保留多光谱图像光谱信息的基础上有效提高了空间分辨率;加水印的融合图像具有良好的不可视性和鲁棒性。     

基于小波方向相关性的图像融合方法

通过分析图像经小波变换后低频系数的邻域相关性和各高频子带的区域方向性,本文提出一种基于小波方向相关性的图像融合方法.对低频子带的每个系数,以多向梯度模作为其自相关性的衡量标准,确定融合后低频系数;对于各个高频子带的系数,根据其不同的方向特性,采用基于方向相关系数的融合规则.最后通过对比仿真实验,验证本文方法的有效性.     

基于Contourlet的改进梯度多聚焦图像融合

针对传统图像融合保留源图像信息和边缘信息的不足,提出了一种基于轮廓波的改进梯度图像融合算法。首先源图像经轮廓波分解,得到低频和高频子带系数;其次,低频采用改进梯度、高频采用SML的选取规则;最后轮廓波反变换得到融合图像。实验表明,本文提出算法比小波方法、传统轮廓波方法融合效果好。融合图像的信息量大,边缘信息丰富。     

一种基于非采样Contourlet变换的图像融合算法

针对红外与可见光成像传感器的物理特性,提出了一种基于非采样Contourlet变换的红外与可见光图像融合算法。首先对原始图像分别进行非采样Contourlet变换,得到不同尺度与方向下的子带系数。对低频子带系数,采用加权平均的融合规则;对不同尺度与方向下的高频子带系数,采用基于局部区域能量匹配的融合规则。最后经非采样Contourlet逆变换得到融合结果。实验结果表明,该算法可以有效地综合可见光与红外图像中的重要信息,其融合结果较典型的基于塔式分解与基于小波变换的图像融合算法,在主观视觉效果与客观评价指标上均有所改善。     

Contourlet变换在可见光与红外图像融合中的应用

Contourle变换是一种新的图像多尺度,多方向的表示方法,适合表达具有丰富细节信息及方向信息的图像。它的高频方向子带,捕获了许多传感器图像的显著特征。为了实现红外与可见光图像的融合,采用一种基于Contourlet变换的融合算法,对不同的融合规则对低频子带和多方向的高频子带系数进行融合。对比实验结果表明,在此提出的方法可以获得较好的融合效果,优于基于小波变换的图像融合算法。     

基于双树复小波变换的自适应图像融合方法

双树复小波具有平移不变性、方向选择性、有限冗余等特点,用于图像融合,优于传统的小波变换方法。本文提出一种基于双树复小波变换的自适应图像融合方法,源图像复小波分解后低频采用PCA,高频采用区域能量算法。通过对可见光和红外图像的融合实验,结果证明了双树复小波的优势和所用融合算法的有效性。     

基于Shearlet变换的多聚焦图像融合方法

为提高多聚焦图像的融合效果,利用Shearlet变换具有多尺度多方向的特性,文中提出了一种基于Shearlet变换的图像融合算法。针对待融合图像进行Shearlet变换,得到低频子带系数和不同尺度不同方向的高频子带系数;对低频子带系数取分解系数区域能量高的系数,高频子带系数采用区域能量和区域清晰度以及区域方差相结合,采用多判别法得到融合系数,并最终进行Shearlet逆变换得到融合图像。结果表明,在主观视觉效果和客观评价指标上此算法优于其他融合算法     

基于图像信息的红外与可见光图像融合方法研究

研究了红外图像与可见光图像的融合问题,提出了一种基于图像信息的图像融合新算法.首先利用非采样Contourlet变换的多分辨率特性和平移不变性对图像进行多尺度和多方向分解,得到一系列子带图像,然后针对图像变换后各带通方向子带高频系数的特点,提出了度量图像信息的融合规则.图像的低频部分决定了图像的轮廓,对低频子带应用简单...     

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。     

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.     

基于非子采样Contourlet变换的图像融合算法

提出了一种基于非子采样Contourlet变换的图像融合算法.首先,对图像作Contourlet变换,得到一个低频子带和一系列高频方向子带.其次,对低频子带系数采用基于边缘的规则来融合,而对于高频方向子带系数,采用基于一种基于Contonrlet局部系数相关性的规则来进行融合.最后,对融合系数进行非子采样Contourlet逆变换,得到最终的融合图像.实验结果表明,该方法对可见光、红外图像融合十分有效,能较好地提取原始图像中的边缘方向信息和几何特征.     

基于小波变换的多模态医学图像的融合方法

针对单一模态的图像不能提供足够的信息,可以将互补的图像进行融合。提出一种基于小波变换的医学图像融合方法。首先对待融合的医学图像进行小波变换,分别得到低频和高频分量。对于低频分量,采用基于局部区域能量的方法进行融合;对于高频分量,采用基于局部区域系数之差的加权和方法进行融合;最后通过小波逆变换得到融合图像。实验结果表明,相比同类研究方法,该算法在保证图像质量的同时可增强图像的空间细节表现能力。     

基于无下采样小波-Contourlet变换的图像融合算法

针对目前最新发展的无下采样Contourlet变换,同时具有方向性、各向异性和平移不变性的特点,并结合多孔小波变换的优点,提出了一种新的基于无下采样小波-Contourlet变换图像融合算法.通过对航空图像进行无下采样小波-Contourlet变换的多分辨分解得到高频和低频系数,并根据不同分解面的系数特性,采用不同的加权融合规则进行融合.实验结果表明,此方法相对于传统的变换法,取得了更佳的融合结果.     

基于二代Curvelet变换的红外与可见光图像融合

针对红外与可见光成像传感器的物理特性,提出了一种基于二代Curvelet变换的图像融合算法.首先对原始图像分别进行快速离散Curvelet变换,得到不同尺度与方向下的子带系数.对低频子带系数,根据红外图像的目标特性与可见光图像的细节信息确定其融合权值;对不同尺度与方向下的高频子带系数,采用基于局部区域能量匹配的融合规则.最后经Curvelet逆变换得到融合结果.实验结果表明,该算法可以有效地综合可见光与红外图像中的重要信息,其融合结果较典型的基于塔式分解与基于小波变换的图像融合算法,在主观视觉效果与客观评价指标上均有所改善.     

一种基于提升小波的快速图像融合算法

提出了一种基于提升小波变换的快速多聚焦图像融合方法。首先利用提升小波算法将原始图像分解为四个子带:LLLHHLHH后将代表三个方向高频细节子带LHHLHH采用提升小波反变换,以获得各方向子带的高频细节图像,采用高斯核权重算法计算所得到的高频细节图像的非均匀加权区域能量,再根据基于能量的图像融合规则得到最终融合图像。对比了几种多聚焦图像融合方案的性能,实验结果表明,在融合效果相当的情况下,文中方法比现有方法在处理速度上有明显的优势。