图像融合的一种新算法

该文提出了一种图像融合的新算法,该方法根据SAR图像和光学图像的特性,充分利用SAR图像和光学图像的互补性,使用小波分析的多尺度特性和模极大值突变点检测理论来实现SAR图像与光学图像的融合,得到了较好的实验效果。     

基于空间与光谱注意力的光学图像和SAR图像特征融合分类方法

针对多源遥感图像的差异性和互补性问题,该文提出一种基于空间与光谱注意力的光学图像和SAR图像特征融合分类方法。首先利用卷积神经网络分别进行光学图像和SAR图像的特征提取,设计空间注意力和光谱注意力组成的注意力模块分析特征重要程度,生成不同特征的权重进行特征融合增强,同时减弱对无效信息的关注,从而提高光学和SAR图像融合分类精度。通过在两组光学和SAR图像数据集上进行对比实验,结果表明所提方法取得更高的融合分类精度。     

基于ROI和证据理论的目标融合检测算法

考虑合成孔径雷达图像(SAR)和光学图像的互补特性,提出了一种基于感兴趣目标区域(regions of interest, ROI)决策层融合的军事目标检测方法:分别在SAR图像和光学图像中提取出ROI,再利用各自的统计特征和几何特征给提取出的ROI分配置信度,以表示正确鉴别ROI的概率。最后在决策层上运用D-S证据理论融合两个源中同一ROI的置信度,获得更可靠的融合检测结果。该方法很好的实现了SAR和光学图像的优势互补,并在对遥感图像测试集的试验中得到了验证。      

基于局部特征差异的异源图像融合算法

针对现有异源图像融合多以光学 图像为主、合成孔径雷达 (SAR)图 为辅和 光学图像 极易受 传播媒介 干扰 且 不 能同时保留纹理细节与颜色信息 等 问题, 提出一种新的基于局部特征差异的异源图像融合算法。 首先通 过 自适应分割 将 SAR 图像划分为规则特征区和不规则特征区两个区域;然后 进行 平移不变 离散 小波变换(SIDWT), 再根据 局部特征差异 性 设计 融合规 则,将 SAR 图像与全色遥感(PAN)图像的 小波系数 进行融合 , 以期保留图像的特征 信息与色彩信息 ;最后 通过 信息量 、 清晰度等 客观 评价指标 对 融合结果进行评价与分析 。 仿真实验 证明 了算法的有效性。     

基于金字塔方法的SAR图像与光学图像的融合

对金字塔方法和IHS方法在SAR图像与光学图像融合中的应用进行了研究。分析了它们的优缺点和局限性,并结合具体融合实验,给出了改进的算法和一些灵活的处理方法。实验结果表明,改进后的算法比传统的高斯拉普拉斯金字塔方法有更好的融合效果。     

多源图像融合技术在无人机中的应用

随着无人机技术的发展,无人机多源图像融合是一个日益受到关注的研究领域。在研究传统算法的基础上,针对经典HIS变换融合算法产生的光谱失真问题,通过引入压缩感知技术对传统算法进行改进,提出了一种融入压缩感知技术的图像融合算法并应用到无人机数码照片和SAR图像融合处理中。实验表明,该方法在引入SAR图像纹理信息的同时,能够有效保持可见光图像光谱信息,取得了较好的融合效果。     

基于独立分量分析的多分辨率遥感图像融合算法

研究了目前常用的遥感图像融合方法，提出了基于独立分量分析的多分辨率遥感图像融合方法，分析了用于独立分量分析的目标函数（如峭度、近似负熵和互信息），给出了独立分量分析的优化快速算法，并详细描述了提取源信息独立分量的具体步骤。最后，将独立分量分析法应用于高分辨率光学图像和低分辨率光学图像的融合，与采用主分量分析法融合的图像相比，图像质量得到很大的提高。     

SAR 和光学图像精配准技术的研究

光学图像和SAR 图像的配准是实现多源图像融合和复合分析的基础,该文介绍了一种光学图像和SAR图像精配准的方法。首先采用人工的方式选择3～4 个同名控制点,在此基础上实现图像的粗略配准,保证SAR与光学图像尺度和旋转的归一化;然后在粗配准的光学图像上提取特征点,并分别采用不同的梯度算子提取SAR和光学图像的梯度强度,基于梯度强度进行归一化互相关,从而得到不同图像上的同名特征点;最后根据提取的同名特征点构建不规则三角网,并对每个三角网构成的小面元进行图像的精确配准,最终实现SAR 和光学图像的精配准。通过采用星载图像的精配准处理和检验,证明了该方法的可行性,能获得较好的配准效果。      

非精确配准下SAR与光学机场图像的区域融合检测

针对SAR和光学两种异构传感器图像配准精度的局限性,提出一种新的分割方法及融合策略,最大限度地降低对配准精度的要求,提高了非精确配准下SAR和光学图像融合检测概率。首先对SAR和光学图像中的目标进行边缘和区域信息的提取,并以Ratio算子值为依据进行边缘连接,将图像分为有限个连通区域;然后通过模糊集判断进行两图像相近区域融合,以域内Ratio均值作为隶属度权值进行融合检测,在保证检测概率的前提下降低了虚警,获得了比单一传感器更精确、更完整的目标信息。     

基于集成学习的SAR图像农田区域识别与检测方法研究

旨在综合利用特征提取、多种分类器、图像融合、相关判决等方法,实现对SAR遥感图像中农田种植区域的精确识别与检测。首先论述了相关研究与应用现状,然后分析了SAR图像农田种植区域的特征提取、多种分类器训练与检测的效果,及采用基于PCA的SAR图像融合、多种检测结果的相关,最后综合以上提出了一种基于多分类器集成学习的SAR图像农田区域识别与检测方法。通过实验验证了文章所提出方法的有效性。     

Performance evaluation of multi-focus image fusion based on IPS

This article puts forward a novel performance evaluation of multi-focus image fusion. As is well known, the automatic performance evaluation of multi-focus image fusion is an important problem in digital image processing. So far, there are no satisfied methods could solve the problem well. Improved point sharpness (IPS) addressed this issue preliminary. This method comes from the idea of point sharpness. Compared with conventional performance evaluation methods, the new method could produce better results.     

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。     

图像融合技术及评价方法

描述了图像融合的基本概念、层次,重点阐述了像素级图像融合的基本原理和方法.对图像融合的客观评价标准进行了总结,进行了仿真试验,并利用评价标准比较了多种图像融合方法的性能,最后展望了图像融合发展的前景.     

小波分析在多聚焦图像融合中的应用

多聚焦图像融合是图像融合领域的一个重要分支,小波分析方法使得多聚焦图像融合研究取得了重大发展。首先说明了多聚焦图像融合的概念和一般融合方法,然后介绍了图像的小波分解原理,采用小波分析进行图像融合的步骤以及不同的融合规则。最后介绍了融合效果的评价标准,并通过仿真实验进行了定量的分析和比较,得出了结论。     

基于亮度和对比度模型的图像融合质量评估标准

针对图像融合质量客观评估问题中,结构相似度标准的视觉模型过于简化视觉特性的缺陷,引入新的亮度和对比度模型,提出一种新的图像融合质量评估标准.实验证明,新的评估标准更能反映人的视觉感知与电脑显示硬件的特性,与人的视觉感知标准更为接近.     

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。     

多传感器图像融合效果评价方法研究

采用多传感器图像融合方法，利用信息在多个测度空间的互补性可得到更多的有用信息。融合后的图像应保留原图像的重要细节，且不引入会影响图像后续处理的虚假信息，这就需要对融合的效果进行评判，而融合图像质量的评价问题目前还是图像融合研究的一个薄弱环节。讨论了融合图像质量的评价问题，提出带反馈信息图像融合的结构模型。评述了融合图像的单因素评价、模糊积分综合评价、D—S证据理论综合评价、粗糙集理论的评价方法、以信息量为标准的评价、加权求和法综合评价等方法。     

多聚焦图像融合中最优双树复小波分解层数的选择

采用具有近似平移不变性和方向选择性的双树复小波变换对多聚焦图像进行多分辨率分析与重构,是一种高效的融合方法。然而,分解层数的选择是影响该算法性能的重要因素之一。本文提出了一种基于信息熵、互信息量、边缘融合质量和加权融合质量等融合质量评价指标确定最优分解层数的方法。实验结果表明,不同的原始图像用同种融合算法分解重构,最优分解层数不一定相同;相同的原始图像用不同的融合算法分解重构,最优分解层数也不一定相同。因此,只有综合考虑多种代表性的评价指标,才能确定最优分解层数。     

视觉评价夜视彩色融合图像质量的实验研究

提出夜视彩色融合图像质量评价的三个基本指标是“目标探测性”、“细节”和“色彩”,并且通过视觉评价实验,研究了“感知质量”与这三个指标的相关性．对十个场景的微光与红外图像采用四种融合算法产生的40幅假彩色图像进行评价实验,实验结果得出：融合图像都有好目标探测性,感知质量与目标探测性的相关性很小;感知质量与细节的相关系数是0．89,感知质量与色彩的相关系数是0．75．说明在满足目标探测性要求条件下,细节是视觉感知融合图像质量的最主要评价指标,而且色彩成为夜视彩色图像质量的一个重要指标．     

基于双匹配度的多光谱图像融合算法

在基于小波分解的图像融合中，低频系数的选取决定融合图像的轮廓，同时影响图像的边缘细节。双匹配度图像融合算法首先在区域能量的基础上合理引入区域梯度，然后根据匹配度的类型和测量值进行小波低频系数的选取。仿真实验从两种无需基准融合图像的客观评价方法和视觉效果两个方面表明双匹配度融合算法是一种有效的图像融合算法。该算法能够充分地利用区域特征信息，有效地保留图像的轮廓和边缘信息，同时能够有效地避免块效应的产生，产生良好的视觉效果，且优于一些经典的图像融合算法。