红外与可见光图像融合的多分辨率方法

给出一种适合于红外与可见光图像融合的多分辨率融合方法。方法基于对比度塔形分解的图像融合方法,在融合过程中可有选择地突出被融合图像的对比度信息,达到良好的视觉效果。利用熵、交叉熵、互信息量、平均交叉熵、均方根交叉熵等参量,对多种图像融合方法的性能进行了定量评价和比较。实验结果表明,方法用于红外与可见光图像的融合十分有效。     

基于目标提取与NSCT的图像融合技术研究

针对红外图像目 标突出、背景对比度差、可见光图像分辨率高以及对热目标不敏感且隐蔽目标无法发现等问 题,本文 提出了一种能够突出两种图像的优势信息且不降低图像分辨率的图像融合方法。首先采用 Renyi熵提取红外目标,并通过非下采样Contourlet变换(NSCT)对可见光图像进行自适应增 强;然 后将图像增强后的可见光图像与目标图像进行融合,得到融合图像。通过对比,本文融合图 像的视觉 效果明显优于其他方法的融合图像。最后,采用多种指标进行评价。结果表明,基于目标提 取的图 像融合方法可以有效突出目标信息,提高图像的亮度和对比度,特别适于低能见度下的目标 检测与图像增强。     

一种改进的可见光与红外图像融合算法

针对红外和可见光图像的特点,提出一种基于加权对比度和局部熵相结合的多分辨图像融合算法.利用小波变换得到待融合图像的多分辨结构,在图像多分辨结构相应各级上采取不同的融合规则,得到融合图像的多分辨结构,利用小波逆变换重构融合图像.实验结果表明,该方法在保留可见光图像高的空间分辨率和丰富的纹理细节信息的同时,融合了红外图像对热目标比较敏感的特点,提高了图像的可判读性.     

多源图像彩色融合效果评价研究

通过采用简单、基于增强处理和HSV变换、基于人眼视觉特性及YIQ变换的彩色融合得到4幅图像,分别对其进行主观和客观评价.主观评价实验对同一场景的可见光、中波红外和长波红外图像进行了不同的算法处理,将获取结果用于直方图统计对比分析.客观评价采用基于YIQ变换及加权平均的方法进行图像比较,并直接用对比度R、粗糙度G和熵B比较融合结果,提出应采用主、客观结合的评价方法.     

利用量化判据进行多聚焦融合图像的重构分析

提出一种基于对比度视觉模型的图像融合自适应分块搜索算法,利用几种量化判据,即均方根误差、熵、交叉熵和互信息进行融合图像序列分析及效果评价,对同一场景两幅严格配准的多聚焦图像的清晰恢复进行了深入研究。通过大量的图像实验表明:无论是依据视觉的主观评价,还是客观评价准则,该方法能实现多聚焦图像对标准参考图像的精确重构或优化融合效果。     

图像融合质量评价方法研究

图像融合的清晰度直接影响到图像融合系统的实用性.在分析现有主客观图像质量评价方法的基础上,提出了以亮度、对比度和信息量为基础的图像融合质量评价方法.利用多种图像融合算法,对红外与微光图像融合后的结果进行了质量评价.实验表明,该方法是一种实用的、有效的车载图像融合质量评价方法.     

基于方向性对比度金字塔的图像融合方法

基于对比度塔形分解(CP)的图像融合方法具有良好的物理意义,却没有强调方向性的不足,为此提出了一种具有方向性的对比度金字塔图像融合方法.对多聚焦图像进行对比度塔形分解,利用方向滤波器组对高频加方向,得到不同方向的高频子分量.根据不同频率域特点,采用低频分量系数取加权平均、高频分量系数绝对值取大的融合规则,对分解后的子图像进行融合.结果表明:用提出方法得到的融合图像有较高的清晰度和空间分辨率.与基于CP和基于离散小波变换(DWT)的融合方法相比,提出的方法既能保持对比度的含义,又可提供2n个方向信息.     

图像融合的量化评价方法及实验分析

图像融合是图像信息的综合处理,是将同一对象的一个或更多的图像合成在一幅图像中,以便比原来的任何一幅图像更容易地为人所理解。介绍了图像融合的各种评价方法,包括:熵、交叉熵、交互信息量、均方误差、均方根误差、峰值信噪比。本文利用sym4小波变换的方法进行融合,将融合结果用各种量化评价方法进行了比较,结果表明交叉熵与交互信息量是行之有效的评价方法。     

红外与微光图像融合质量评价方法研究

图像融合质量评价标准是目前图像融合中急需解决的问题之一,在分析讨论了现有主、客观评价方法的基础上,以亮度、对比度和信息量为依据,提出的一种新的结合主观与客观因素的图像融合质量评价方法.该方法无需理想图像,同时又反映了人类的视觉特性(HVS).通过对不同场景下的红外与微光图像采用多种不同的融合算法进行质量评价实验表明,该方法是一种实用的、有效的图像融合质量评价方法,可以为不同环境下选择不同的图像融合算法提供依据.     

图像融合的量化评价方法及实验分析

图像融合是图像信息的综合处理，是将同一对象的一个或更多的图像合成在一幅图像中，以便比原来的任何砷岳图像更容易地为人所理解。介绍了图像融合的各种评价方法，包括：熵、交叉熵、交互信息量、均方误差、均方根误差、峰值信噪比。本文利用sym4小波变换的方法进行融合，将融合结果用各种量化评价方法进行了比较，结果表明交叉熵与交互信息量是行之有效的评价方法。     

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。     

压缩感知图像融合

目前图像融合的方法大多数都是基于小波变换的图像融合方法,通过对小渡变换之后的低频系数和高频系数分别采用不同的融合准则,来达到所需要的图像以进行下一步处理,这些方法需要知道原始图像,也就是对硬件要求较高。采用压缩感知图像融合,即,将压缩感知用于图像融合,使得只知道原始图像在某个变换下的投影值的情况下,通过对已知的投影值使用融合规则得到融合后的投影值,然后用重构算法重构出图像,大大降低了对硬件的要求。在此给出了压缩感知融合方法与基于小波变换的图像融合方法的实验结果,融合结果表明,在不降低融合效果和视觉效果的基础上,该方法能够极大地降低硬件成本。采用熵作为衡量融合效果的指标,并对用两种方法融合的结果图像做了对比,研究结果表明,CS融合方法要优于基于小渡变换的图像融合方法。     

基于能量、梯度与方差的多聚焦图像融合

大多数图像融合算法只就图像的某一个特征进行融合,容易造成其他特征信息损失。针对此问题,提出了一种利用哈尔小波变换的特性,考虑多种区域特征进行融合的策略,将图像进行哈尔小波变换后,根据图像的低频部分集中图像大部份能量的特征,采用梯度和能量相结合,根据图像高频部分反映图像细节的特征,采用区域方差与变换系数相结合的方法进行融合,最后经哈尔小波逆变换得到融合结果。通过对多组多聚焦图像进行融合实验,采用均值、方差、熵和平均梯度4种客观评价指标来评价融合图像效果,结果表明该方法能很好地保留图像信息,融合效果好。     

基于Tetrolet变换的图像融合

Tetrolet变换与目前广为采用的小波变换相比, 在处理高维信号时具有更好的方向 性,能够精确 地表达图像的结构及纹理特征。本文将Tetrolet变换用于不同频谱图像的融合,以期获取更 大的信息量。 首先,将待融合的图像分别进行Tetrolet变换,得到不同尺度的高通和低通子带。然后,对 低通子带采用 基于局部区域梯度信息的融合方法得到低通融合系数,而对高通子带采用基于邻域方差加权 的融合方法得 到高通融合系数;最后,通过重构得到融合图像。采用多种图像进行了融合实验,其结果均 表明,经Tetrolet 变换获取的融合图像特征更为丰富、信息量更大,融合图像的信息熵和标准差都优于目前广 为采用的小波 变换和PCA变换图像融合算法;本文方法可有效地提高ATR系统和视觉对目标的识别探测概率 和降低虚警率。     

一种基于Curvelet变换的图像融合新算法

基于Curvelet变换提出了一种新的融合算法.首先将图像进行Curvelet 变换,然后对粗尺度系数和细尺度系数采用不同的融合规则将Curvelet 系数融合,最后进行重构得到融合结果.对得到的融合图像进行了主客观评价和对比,实验结果表明,本文方法得到的融合图像,在熵、均方误差(MSE)、峰值信噪比(PSNR)和相似度等客观指标上都优于其他方法.     

基于小波变换的EMCCD微光图像融合算法

由于增益水平的不同,电子倍增电荷耦合器件图像所显现的图像内容不同,且图像动态范围极窄、对比度低、图像整体偏暗或模糊发白。为了提高微光图像动态范围及对比度,采用将不同增益水平的微光图像进行融合的算法,即先获取两组同场景但增益不同的微光图像,再对小波分解后的微光图像选择不同的融合规则,最后通过小波变换实现图像融合,得到了高质量的融合图像,并取得了融合图像的信息熵、标准差、平均梯度等性能指标数据。结果表明,该融合算法能使得融合后的图像同时包含低亮度景物和高亮度景物,达到了增大微光图像的动态范围及对比度的目的,有效改善了微光图像的质量。     

A modified statistical approach for image fusion using wavelet transform

The fusion of images is an important technique within many disparate fields such as remote sensing, robotics and medical applications. For image fusion, selecting the required region from input images is a vital task. Recently, wavelet-based fusion techniques have been effectively used to integrate the perceptually important information generated by different imaging systems about the same scene. In this paper, a modified wavelet-based region level fusion algorithm for multi-spectral and multi-focus images is discussed. Here, the low frequency sub-bands are combined, not averaged, based on the edge information present in the high frequency sub-bands, so that the blur in fused image can be eliminated. The absolute mean and standard deviation of each image patch over 3 × 3 window in the high-frequency sub-bands are computed as activity measurement and are used to integrate the approximation band. The performance of the proposed algorithm is evaluated using the entropy, fusion symmetry and peak signal-to-noise ratio and is compared with recently published results. The experimental result proves that the proposed algorithm performs better in many applications.