NSST与引导滤波相结合的多聚焦图像融合算法

为进一步提高融合图像的对比度和清晰度,提出一种非下采样剪切波变换(简称NSST变换)与引导滤波相结合的多聚焦图像融合算法.首先,利用NSST变换对多聚焦源图像进行多尺度、多方向分解;然后针对低频子带系数,通过计算局部区域改进拉普拉斯能量和进行加权映射,构建初始融合权重,利用引导滤波修正初始融合权重,提出一种基于局部区域改进拉普拉斯能量和的引导滤波加权融合规则;针对高频子带系数,结合人眼视觉特性,通过计算显著信息、局部区域平均梯度、边缘信息和局部区域改进拉普拉斯能量和来构建初始融合权重,利用引导滤波修正初始融合权重,提出一种基于人眼视觉特征的引导滤波加权融合规则;最后,进行NSST逆变换,获得融合图像. 4组多聚焦源图像的仿真实验结果表明,无论是从主观评价还是客观评价上,与其余4种融合算法相比,本文算法均较好地保留多聚焦源图像的边缘轮廓、细节和纹理等信息,也无细节信息缺失,提高融合图像的对比度和清晰度.     

结合稀疏理论与非下采样剪切波变换的多模态医学图像融合算法

针对医学图像时常存在局部信息丢失、细节模糊不清等问题,为提高可视化效果,避免医疗误诊,提出了一种新的非下采样剪切波变换(NSST)算法。首先,利用NSST分解源图像得到高频子带系数与低频子带系数;其次,根据高低频子带系数的不同特性制定不同的融合策略,对稀疏性不佳的低频系数采用稀疏理论进行处理,反映图像细节信息的高频子带通过相对标准差比较法(RSDC)进行处理;最后,将融合后的高低频子带系数通过NSST重构得到最终的融合图像。从定性和定量角度来评价融合后的图像,算法融合效果良好,与其它5种算法比较发现:该算法在标准差、边缘信息评价因子等指标上表现较好,其余指标均处于中上水平。实验结果表明,该算法得到的融合图像在信息丰富性、对比度、清晰度等方面表现较好,有效增加了不同模态之间的互补信息,具有较好的应用前景。     

基于NSCT的前视声纳图像融合

针对前视声纳图像清晰程度不同,局部区域模糊的特点,提出一种基于NSCT多尺度分析的前视声纳图像融合算法。首先,对源图像进行NSCT多尺度分解,得到一系列多尺度子带分解系数;然后,根据图像中清晰目标反射声波能量大、对比度高特点,构建前视声纳图像融合规则:分别对低频子带采用Gabor能量,高频子带计算局部对比度指导融合规则,并提出区域一致性校验准则抑制图像噪声,产生融合图像多尺度子带分解系数。最后,应用NSCT逆变换获得融合图像。声纳图像融合对比实验证明提出方法有效性。     

基于自适应NSST—PCNN的红外与可见光图像融合方法研究

传统的红外与可见光图像融合方法存在着对比度不高、背景细节信息保留不理想的问题,为解决此类问题,提出了一种非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)结合自适应脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的方法.利用NSST将源图像多尺度地分解成低频子带和高频子带;针对图像低频子带融合,采用自适应模糊逻辑加权平均融合规则;对于图像高频子带融合,采用自适应PCNN的算法;最后,通过NSST逆变换得到融合后图像.实验结果表明,相比于传统图像融合方法,本方法在信息熵、空间频率、平均梯度、互信息和交叉熵等多个客观评价指标上至少分别提高了1.54％、4.52％、3.52％、9.14％、0.12％,提高了融合图像的对比度,保留了背景细节信息,取得更好的融合效果.     

非下采样轮廓波变换的前视声呐图像融合

针对前视声呐图像清晰程度不同,局部区域模糊的特点,本文提出一种基于非下采样轮廓波变换的前视声呐图像融合算法。依据图像多尺度分解的理论,对源图像进行非下采样轮廓波变换,得到一系列多尺度子带分解系数;根据图像中清晰目标反射声波能量大、对比度高特点,构建前视声呐图像融合规则,即低频子带采用Gabor能量、高频子带计算局部对比度指导融合规则,提出区域一致性校验准则抑制图像噪声,产生融合图像多尺度子带分解系数,并应用非下采样轮廓波逆变换获得融合图像。声呐图像融合对比实验证明,采用提出方法生成的融合图像在主观视觉和客观指标上均优于其他融合方法。     

基于复合分解与直觉模糊集的红外与可见光图像融合方法

针对传统的基于多尺度变换的红外与可见光图像融合算法的不足,提出一种基于复合分解与直觉模糊集的红外与可见光图像融合方法。采用NSCT将源图像分解为低频子带和高频子带,进一步采用潜在低秩表示模型将低频子带分解为低频基础子带和低频显著子带;针对低频基础子带、低频显著子带和高频子带的特征,采用不同的融合规则,其中,低频基础子带以视觉显著度为权重系数采用加权求和作为融合规则,低频显著子带以绝对值最大为融合规则,高频子带以直觉模糊熵最大选择为融合规则;通过NSCT逆变换得到红外与可见光融合图像。通过对比多组融合图像主、客观评价结果表明,该方法能有效保留边缘信息,保留较多的源图像信息,在视觉质量和客观评价方法优于其他图像融合方法。     

基于非下采样Shearlet变换的磁瓦表面缺陷检测

针对磁瓦表面缺陷对比度低、图像受不均匀背景和磨削纹理干扰大等问题,提出了一种基于非下采样Shearlet变换（non-subsampled shearlet transform,NSST）的磁瓦表面缺陷检测方法。首先,对磁瓦图像进行多尺度多方向NSST分解,得到一个低频子带图像和多个频率和方向变化的高频子带图像。然后,根据缺陷在高低频域表现出的不同特征进行针对性的处理,在低频子带中分别计算行均值线图像和列均值线图像,将列均值线图像沿行均值线图像扩展,构造基于均值的自适应阈值面对低频子带进行滤波,以去除不均匀背景;同时,利用同一分解尺度下各高频子带系数中微弱缺陷信号的方差较大,显著缺陷信号的能量较大,而噪声和背景干扰信号的方差和能量均较小的差异,构造基于Shearlet高频分解系数方差和能量的综合高频缺陷识别算子,滤除高频子带中的噪声和背景干扰。最后,对修正后的分解系数进行逆NSST重构,得到背景均匀,磨削纹理和噪声干扰得到充分抑制的高对比度图像,采用自适应阈值分割方法,提取出缺陷区域。实验结果表明,该方法的假阳性率、假阴性率和检测准确率分别达到8.8%,5.0%和93.1%,算法在MATLAB仿真平台中平均运行时间为0.629 s;相较于现有的磁瓦表面缺陷检测算法,该方法能够有效地去除不均匀背景、磨削纹理和噪声干扰,检测结果更加准确,鲁棒性更强。     

基于非下采样剪切波变换的医学图像融合算法

为了解决单一模态医学图像的局限性,提出了一种基于非下采样剪切波变换(NSST)的多模态医学图像融合方法.该方法利用NSST将待融合的医学图像分解成低频系数和高频系数,并利用区域能量加权(WLE)的方法对分解后的低频系数进行融合,使用区域能量和平均梯度加权的方法对分解后医学图像的高低频系数进行融合,采用NSST逆变换重建融合后的图像.选择信息熵、平均梯度和空间频率3个参数作为融合图像的客观评价参数,结果表明,该方法取得的融合结果比离散小波、轮廓波和非下采样轮廓波变换等传统方法更好,计算效率更高.     

一种改进的水下偏振图像融合算法研究

针对传统图像融合算法造成的对比度低、细节信息模糊等问题,提出了一种改进的基于二维离散小波变换的图像融合算法.利用光强度相机和分焦平面相机同时对水下运动目标进行探测,获得光强图像和偏振图像.将计算得到的偏振度图像和偏振角图像先进行简单的融合处理,再将融合后的偏振特征图像与光强图像采用改进的二维离散小波变换进行分解,得到低频分量和高频分量.对于低频部分,提出一种基于区域方差加局部能量相结合的图像融合算法;高频部分采用一种基于Sobel算子的图像融合算法.最后将低频分量与高频分量进行二维离散小波重构,得到结果图像.仿真结果表明,与传统图像融合算法相比,该算法获得的融合图像有效地拉升了目标与背景的对比度,增强了水下图像视觉效果,有利于准确识别水下运动目标.     

两种变换域相结合的医学图像融合

为了克服单一图像分析方法在图像分解时存在的局限性,采用两种变换域相结合的方法来实现CT/MRI图像融合。利用基函数多尺度和多方向性的特点,对CT与MRI源图像进行非下采样Contourlet变换(NSCT);将分解之后的CT低频近似部分和MRI低频近似部分再分别进行小波变换,小波分解与融合之后得到融合图像的低频系数,而对NSCT变换后的高频细节部分利用邻域能量取大方法得到融合图像的高频系数;再对高频系数与低频系数进行逆NSCT变换得到融合图像。结果表明,两种变换域结合的算法比单一的多尺度分析算法更有效可行,使得融合图像对比度更高、更清晰。     

Fusion of infrared and visual images guided by visual saliency

To obtain a high quality fused image consistent with characteristics of human vision, a novel image fusion method for infrared and visual images guided by visual saliency is proposed. First of all, for the given infrared and visible images, the modified Manifold Ranking algorithm is utilized to extract their visual salient areas respectively. Then, source images are decomposed in different scales and directions by Non-subsampled Contourlet Transform to obtain low frequency information and high frequency information. And results of visual saliency detection are used to guide the fusion rule of low frequency subband coefficients. Besides, the high frequency subband coefficients are fused owing to the local standard deviation criterion. Finally, the fused image is obtained by performing inverse Non-subsampled Contourlet Transform. Experimental results demonstrate that the proposed algorithm can not only assure the final fused images with clear detail information, but also highlight the infrared objects accurately, which presents a good vision effect and effectively enhances recognition probability of infrared and visible compound systems.     

Improved Region Energy Based Image Fusion Rule for Multi-focus Image Fusion

In this paper, we propose a novel improved region energy based image fusion rule. The original images are firstly decomposed by using the lifting scheme of wavelet transform into four sub-bands： LL, LH, HL, HH, by studying principles and characteristics of the wavelet subbands, and we put emphasis on the high frequency subbands. Thus HH, HL, LH sub-bands, which represent three direction of high frequency details, are weighted by different size of three direction Gaussian kernel, then the energy based image fusion rule is applied with a optional size of window, thus the activity level of high frequency subbands are obtained, followed by a local region matching degree in the corresponding direction and resolution, an activity level of low frequency subband is calculated, then perform consistency verification on the selected wavelet coefficients, by doing the inverse wavelet transform the fused image is obtained. The performance of the proposed novel image fusion scheme is conducted and compared with a few existing image fusion algorithm, the experimental results show Keywords：     

冗余提升不可分离小波的图像融合方法

提出了一种基于冗余提升不可分离小波的多源图像融合方法。该方法不仅能很好地提取图像的细节信息,而且具有平移不变性,非常适合于图像融合;同时,采用基于局部邻域梯度的融合规则对分解后的高频和低频小波系数作不同的处理。对多光谱红外图像以及不同类型的医学图像进行了融合试验,结果表明该方法可以取得更好的融合效果。     

基于显著计算与自适应PCNN的图像融合方法

针对多尺度变换的图像融合对低频系数进行简单的加权平均处理时,不能很好地保护源图像中的显著信息的问题,提出一种将视觉显著计算的结果作为自适应脉冲耦合神经网络的链接强度,通过脉冲耦合神经网络指导多尺度图像融合中低频系数融合的方法。首先对源图像进行形态非抽样小波分解,得到低频系数和各尺度的高频系数,对低频系数采用显著计算与脉冲耦合神经网络的融合规则,高频系数选取绝对值较大者,最后通过反变换得到融合图像。实验结果表明,该方法在一定程度上保留了源图像中的显著信息,改善了互信息、信息熵、平均梯度和边缘保持度等融合指标。     

一种邻域一致性的NSCT域多传感器图像融合算法

针对同一场景多传感器图像融合问题,提出了一种基于邻域特性的非采样Contourlet变换域融合新算法.首先对待融合图像进行非采样Contourlet变换分解,由邻域平均能量与方差构造各点的能量方差决策值,基于决策值最大原则选择低频子带系数,从而在保持图像亮度的同时融合更多的边缘细节;基于邻域能量最大原则选择带通方向子带系数,以保留更多的边缘.最后反变换得到融合图像.采用多聚焦图像及红外与可见光图像进行仿真实验,并对融合结果进行了主客观评价.实验结果表明,该算法较好地融合了亮度及边缘细节,避免了引入人为噪声,得到了具有更好的视觉效果和量化指标的融合图像.     

基于小波变换的多聚焦图像自适应融合

图像融合是对来自同一场景的不同源图像的信息进行互补和合成,从而获得更为准确、更为全面、更为可靠的图像。采用了一种基于小波变换的自适应图像融合方法,首先将配准好的图像进行小波分解,并提取出细节分量和近似分量。其次,针对不同的频率域选择不同的融合规则,对低频系数选取区域均匀度和变化率相结合的融合规则,对高频系数选用区域方向对比度和区域匹配度相结合的自适应融合规则。最后通过小波逆变换得到融合图像。将其它融合算法和文中所提算法进行主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法。     

基于经验小波的太阳能电池缺陷图像融合

为解决太阳能电池的弱缺陷检测问题,提出一种基于二维张量经验小波的多光谱图像融合算法。使用一组特定波长的光源采集太阳能电池片图像信息,对图像进行顶帽变换抑制背景噪声;使用经验小波变换对预处理图像进行分解,分别对获得的高低频子带图像采用基于极大值的显著性融合规则进行融合,将融合后的高低频子带图像进行小波反变换获得最终的融合图像。在相同的采集条件下获取五类色差电池片图像,进行算法测试试验,并从图像视觉效果和客观评价指标两方面与其他算法分析比较。试验结果表明,此算法不仅具有良好的适应性,而且在保持光谱信息和抑制噪声等方面均取得良好的效果。