基于代数多重网格的图像传感器物体识别技术

物联网中的物体识别可以减少人为的参与,提高物物相连的效率。该文针对物联网环境中的物体识别进行了初步研究,提出了一种结合代数多重网格的物体识别的方法,降低了物理存储和网络传输的代价。首先运用代数多重网格方法对不同模糊程度的图像进行重建,在此基础上进行特征检测;然后运用“词袋”模型对使用了代数多重网格方法与未使用该方法的物体识别进行了对比试验。实验结果表明,运用一定程度的模糊图像识别物体能得到较高的稳定性,并且提升了与非同一场景的物体识别的区分度;运用代数多重网格方法的“词袋”模型提高了物体识别的准确率。     

基于非下采样Contourlet变换的自适应图像融合算法

Contourlet变换克服了小波变换在处理高维信号时的不足,但Contourlet分解和重构时需要采样因此不具有平移不变性,因此根据6trous算法构造了非下采样Contourlet变换(nonsubsampled C～ntourlet transform,NSCT).NSCT比Contourlet变换具有更灵活的方向性、且具有平移不变性.因此将NSCT变换应用于图像融合领域,能更好地提取图像边缘特征,为融合提取更多的特征信息.基于NSCT的自适应图像融合算法是将图像进行NSCT分解后,针对在不同频率域特点选择不同的融合规则,最后通过重构得到融合图像.通过对试验结果进行的主观和客观的对比,试验结果表明NSCT能够为融合图像保留更全面的原始图像信息,且基于NSCT的自适应图像融合算法能够更加有效、准确地提取图像中的特征,是一种有效可行的图像融合算法.     

基于无监督深度学习的红外图像与可见光图像融合算法

红外和可见光图像表征了互补的场景信息. 现有的基于深度学习的融合方法大多通过独立提取网络分别提取两个源图像特征,从而丢失了源图像之间的深度特征联系. 基于此,提出了一种新的基于无监督深度学习的红外图像与可见光图像融合算法,针对不同模态的特点采用不同的编码方式提取图像特征,利用一个模态的信息补充另一个模态的信息,并对提取到的特征进行融合,最后根据融合特征重建融合图像. 该算法可在两个模态的特征提取路径之间建立交互,不仅可预融合梯度信息和强度信息,且能增强后续处理的信息. 同时设计了损失函数,引导模型保留可见光的细节纹理,并保持红外的强度分布. 将所提算法与多种融合算法在公开数据集上进行对比实验,结果表明,所提算法获得了良好的视觉效果,客观指标评价方面对比现有的优秀算法也有一定的提升.     

加权图像分块人脸识别方法

利用各图像与类内均值图像之间的距离作为加权依据,产生新的加权样本,使新的样本比原有样本更接近真实人脸,并结合图像分块的思想,将加权后的结果进行图像分块,并用PCA对分块后的图像进行特征提取.这种方法能减轻光照和姿态的影响,并能提取图像局部信息,实验证明它比分块PCA有更高的识别率.     

基于反馈网络的磁共振图像超分辨率重建研究

针对磁共振图像超分辨率重建算法存在的边缘信息丢失和运动伪影等问题,本文提出一种基于反馈网络的磁共振图像超分辨重建方法.采用反馈路径构成网络结构,在所提出的重建算法中,将输入图像进行上采样和下采样操作,提取图像特征,并对提取的特征进行融合后与输入图像一起进行局部循环训练,同时通过残差和卷积操作,重建超分辨率图像.为了更加...     

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。     

一种基于最大区域熵值的图像融合方法

针对图像融合中不同区域在融合中的不同作用,给出了图像区域熵的概念,在此基础上提出了一种基于最大区域熵值的图像融合方法.首先对参加融合的两幅图像进行分块处理,然后分别计算出对应区域熵的大小,最后选取区域块中熵值较大者作为融合结果.试验结果表明,与现有的基于像素规则融合方法相比,能更好地突出不同图像的区域特征,减少冗余信息,从而取得了更好的融合效果.     

图像融合与分裂合并相结合的分割算法研究

针对传统的分裂合并算法中存在的计算复杂度和分割后易于破坏边界信息的问题,提出一种将图像融合与分裂合并算法相结合的分割策略。首先对原始图像降低分辨率,抑制部分噪声,降低细节干扰,减少后期计算量;接着使用自适应边缘提取算法提取边缘信息并对优化图像进行分割;然后将处理后图像进行融合并还原尺度,以此来改善分裂合并算法带来的边界破坏问题。实验结果表明,该方法能够缓解传统算法中的运算量问题,尤其是边界破坏的问题,且分割效果较好。     

基于曝光适度评价的多曝光图像融合方法

针对数字相机在拍摄宽亮度范围场景时动态范围不足的问题,提出一种高效的多曝光图像融合方法.该方法通过场景的多次采样曝光,分析不同像素的亮暗变化,利用高斯数学模型计算评价数值.将结合图像亮度信息的曝光适度评价方法应用于图像分块区域,并计算每个像素的权重值,消除图像块效应.将不同曝光度下成像的图像序列融合为一幅局部自适应曝光的高动态范围(HDR)图像,实现动态范围扩展.与另外3种方法进行对比分析,结果表明:该方法简便有效,细节纹理与颜色信息具有更强的表现能力,且熵值更高.     

Contourlet域的多极化SAR图像自适应融合方法

针对不同极化SAR图像的融合,提出了一种基于Contourlet变换的自适应窗口图像融合方法．首先对原始图像进行Contourlet变换,将图像分解为一个低频予带和多个不同方向的高频子带．对分解后的低频子带进行邻域能量加权融合,对各方向高频子带采用依据SAR图像斑点噪声特征的变化自适应地调整融合窗口的方法.通过对两极化SAR图像进行融合实验并与小波变换等融合结果比较,表明本文方法融合后的图像在视觉特性以及客观评价统计因子上取得了更好的效果,融合后的图像提供了比原始图像更丰富的信息．     

一种基于NSCT和自适应PCNN医学图像融合的改进算法

由于医学影像成像原理不同,不同模态图像的质量、空间和时间特性有较大区别,因此临床上需要将不同模态的图像融合进行综合分析。为了准确并全面地融合MRI和PET图像,提出了一种基于NSCT和自适应PCNN医学图像融合的改进算法。算法采用NSCT得到图像的低频和各方向子带信息,采用符合人类视觉系统的自适应PCNN选择融合图像系数,重构得到融合图像。采用颅脑MRI和PET医学图像进行了仿真实验。结果表明,基于NSCT自适应PCNN算法在提高空间纹理细节和减少颜色失真方面明显优于其它的融合算法。     

一种新的多传感器图像融合方法

提出了一种基于小波变换的改进图像融合方法和一种图像融合评价指标。对小波分解后的高频分量使用图像区域内象素的最大绝对值作为该区域中心象素的活性测度以得到融合图像的高频分量，对分解后的低频分量通过度量图像区域质量来选择该区域中心象素从而确定融合图像的低频分量，最后进行小波重构得到融合图像；文中还提出了用交互方差作为图像融合客观评价指标的方法。实验结果表明，该融合方法得到的图像清晰度和对比度都得到了较大的提高，是一种有效的图像融合算法；并且用交互方差作为图像融合的客观评价指标是可行的。     

NSCT域内基于自适应PCNN的红外与可见光图像融合方法

提出一种在图像的非下采样Contourlet变换(NSCT)域内基于脉冲耦合神经网络(PCNN)的融合方法。首先采用NSCT对严格配准的待融合图像进行多分辨率多方向分解, 得到低频子带和高频方向子带;然后使用各子带系数的空间频率作为PCNN对应神经元的自适应连接强度系数,使用改进的拉普拉斯能量和作为PCNN每个神经元的外部激励,经过PCNN点火过程获得各子带对应的点火映射图,并通过判决选择算子确定融合图像的各子带系数;最后采用NSCT逆变换对低频子带系数和高频方向子带系数进行重构,得到融合图像。使用红外与可见光图像进行仿真实验的结果表明,本文方法优于基于小波变换、NSCT及传统NSCT与PCNN结合的图像融合方法。       

基于拼接思想的小波域多聚焦图像融合

分析多聚焦图像融合的特点,给出一种基于拼接思想的小波域图像融合方法。利用小波分解系数中区域方差和较大的系数对应着较好的图像块原则,结合区域一致性检验修正,选择代表优质图像质量的小波系数,经小波反变换重构聚焦图像。实验结果表明:采用此方法得到的融合图像清晰度高,图像特性保留良好,客观评价指标有明显提升。     

基于稀疏表示和PCNN的多模态图像融合

提出一种基于稀疏表示和脉冲耦合神经网络(pulse coupled neural network, PCNN)的新方法。首先将原图像进行bandelet变换,提取出图像中的几何流和bandelet系数等重要信息,再利用PCNN进行几何流融合、根据稀疏相似度优化融合后的几何流,然后更新部分bandelet系数并根据最大绝对值规则进行融合,最后通过bandelet逆变换得到融合后的图像。仿真实验结果表明,本算法有效改善了融合效果,融合图像边缘、纹理清晰,整体效果极佳;与现有的平均值融合算法、拉普拉斯金字塔算法以及基于小波变换和PCNN的WT-PCNN算法相比,本算法得到的融合图像的灰度均值、标准差、平均梯度、互信息等指标都得到了提高。     

小波域CT/MRI医学图像融合新方法

针对传统小波变换融合算法对细节信息的丢失问题,提出了一种新的小波域CT/MRI医学图像融合算法,利用平均梯度和方差两个指标来指导低频分量的融合;对高频分量采用基于梯度能量比加权的融合规则。实验结果表明,与传统的小波变换方法相比,此方法能够充分地将两种不同模式的信息融合在一起,很好地保留原始图像的重要特征,融合图像包含更丰富、更全面的细节信息,有效提高了医学图像融合的信息量。     

利用小波变换进行遥感 多光谱图像融合的算法及实现

在分析了小波变换的分解与重建方法后,提出了一种基于区域的图像增强算法。先提取出源图的边 缘,以图像的边缘为参考,围绕边缘建立融合窗口,然后结合区域内的图像信息,应用基于窗口的融合规则进行 融合处理。实验结果显示,融合后的图像综合了3幅源图像的不同特征,处理后的图像变得容易识别了。表明 该方法保持了尽可能多的原始信息,算法简单,稳定性好,适合于多光谱遥感图像识别、医学成像等领域。     

一种自适应的小波方向对比度图像融合算法

对多传感器获得的图像序列进行图像融合,可以采用基于小波变换的多分辨率分析图像融合方法。首先,对两幅待融合图像进行小波变换,采用平均加权的方法来获得融合后的低频分量;采用一种基于图像对比度的自适应算法来获得融合后的高频分量。最后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数进行小波逆变换,最终得到具有原图像有用信息的融合图像。实验结果表明,这种算法可以很好地保留原图像的有用信息,是一种有效的图像融合算法.