基于平均梯度的多聚焦图像融合方法研究

平均梯度反映图像中微小细节反差和纹理变化特征。本文针对光学成像系统聚焦范围有限,很难使得同一场景中所有物体都清晰显现这一特点,将平均梯度引入到多聚焦图像融合之中。首先将图像进行分块,然后计算每一块的平均梯度,根据平均梯度大小对相应块的像素进行处理,最后得到同一场景中所有物体都能清楚显现的融合图像。本文通过对多幅多聚焦图像进行融合和实验分析,以此来验证算法的有效性,对基于平均梯度的多聚焦图像融合算法性能进行了评价和分析,结果表明该算法是切实可行的,在多聚焦图像融合中可以取得较好的效果。     

基于模值的实时纺织纤维图像融合

为解决纤维图像多焦融合实时性差的问题,提出一种纤维图像数据采集和多焦融合算法同步展开的方法.根据第一层采集到的纤维图像提取感兴趣区域,读取每层图像中感兴趣区域的数据,计算其像素清晰度.找出对应位置上最清晰的像素值对应的图层号,确定阈值进行噪声处理,纠正图层号.实验表明,提出的多焦融合算法实时、可靠.     

基于平均梯度的多聚焦图像融合方法研究

平均梯度反映图像中微小细节反差和纹理变化特征.本文针对光学成像系统聚焦范围有限,很难使得同一场景中所有物体都清晰显现这一特点,将平均梯度引入到多聚焦图像融合之中.首先将图像进行分块,然后计算每一块的平均梯度,根据平均梯度大小对相应块的像素进行处理,最后得到同一场景中所有物体都能清楚显现的融合图像.本文通过对多幅多聚焦图像进行融合和实验分析,以此来验证算法的有效性,对基于平均梯度的多聚焦图像融合算法性能进行了评价和分析,结果表明该算法是切实可行的,在多聚焦图像融合中可以取得较好的效果.     

基于提升算法的超谱遥感图像融合分类研究

超谱遥感技术的发展对遥感图像处理算法提出了新的挑战,超谱遥感图像所特有的高光谱维数,使适用于多光谱图像的算法不适合直接用于超谱图像.利用数据融合技术可以将超谱图像从高维降到低维,因而有利于图像的分析和处理.提升算法是构造第2代小波的关键技术,该文研究了其用于超谱遥感图像融合分类的可行性,利用提升算法将第1代小波改造成第2代小波,并对标准的AVIRIS超谱遥感图像实现图像融合,在融合的同时,提取图像的光谱特征用于分类,在相同的实验标准下在像素层和特征层上分别对图像进行了第2代小波融合分类,并用分类精度对实验结果进行了客观的评价.实验结果表明,以提升算法构造的特征层小波融合分类比像素层分类精度提高了7.78%.     

基于二代曲波变换和PCNN的高光谱图像融合

为了解决高光谱图像的高数据维给后续图像分析和处理带来的困难,提出了一种基于二代曲波变换和脉冲耦合神经网络(PCNN)的融合新算法.利用各波段数据间的局部相关性将整个数据空间划分为若干个相关性较强的独立子空间,在对子空间内的各波段光谱图像进行曲波多分辨率分解的基础上,分别依据各波段图像所含有的信息量对曲波粗尺度系数进行加权融合和利用PCNN的全局耦合特性与脉冲同步特性对细尺度系数进行智能选取,最后由曲波逆变换得到各子空间的融合图像.AVIRIS数据融合实验表明,该算法能有效地实现高光谱数据维数减少和特征提取,相比于提升小波融合算法、主成分变换算法和基于典型融合准则的曲波融合算法,其所提取的图像特征在高光谱异常检测时能得到更多的真实目标.     

机器视觉测量算子耦合显微图像内容的快速聚焦机制

针对显微聚焦速度慢、精度不够等难题,设计了机器视觉测量算子;根据显微图像内容,自动选择图像有效聚焦点,提出了二者相融合的快速自动聚焦算法.将最大灰度值像素作为有效聚焦点,并引入清晰度评价函数,嵌入爬山搜索法,快速锁定Z轴聚焦位置,解决显微聚焦速度慢、精度不够的问题.实验结果表明,相对于传统方法,文中算法具有更高的聚焦效率与精度.方案应用在快速自动聚焦上可以达到较好的效果,在工程上应用是可行的.     

基于SIFT字典学习的引导滤波多聚焦图像融合

目前多数多聚焦图像融合算法仅仅针对解决某一类问题,如融合结果的局部细节保留能力差、空间连续性不足和对未配准的源图像鲁棒性差等.为能够同时解决以上问题,提出了一种基于SIFT字典学习的引导滤波多聚焦图像融合算法.该算法通过学习子字典克服了图像低秩表示具有全局性而局部细节描述不足的缺陷,同时子字典的分类利用图像SIFT特征的平移不变、尺度不变等特性,消除了未配准源图像融合结果出现伪影的现象.此外,在源图像的低秩表示系数融合过程中引入引导滤波,增加了融合图像的空间连续性.引导滤波的窗口大小是根据特征内容和非特征内容进行自适应选取,即属于特征内容的点选取较小的窗口,而属于非特征内容的点选取较大的窗口.为验证算法的有效性,实验过程中选取6组数据,包括3组广泛应用于研究的多聚焦图像以及3组实际拍摄的多聚焦图像.实验结果表明,该算法从主观视觉效果的定性分析和客观融合质量评价的定量分析都优于当前主流的多聚焦图像融合算法.     

基于图像块分割及差异演化的多聚焦图像融合算法

对于可见光成像系统光学镜头的焦距是有限的,很难将场景中的所有物体都成像清晰.可以对同一场景不同聚焦点的多幅图像进行融合处理,来获取一幅处处清晰的图像.提出了一种基于图像块分割及差异演化的多聚焦图像融合算法,即先把源图像进行分块,再用空间频率作为清晰度评价函数,判断融合子块应取自哪幅源图像,最终重构成新图像.结果表明,与小波变换和遗传算法相比,该方法速度快且融合效果好.     

一种改进的HSI图像融合算法

针对传统HSI(Hue-Saturation-Intensity,HSI)图像融合算法中出现颜色失真现象,提出了一种改进的基于HSI变换的多光谱图像和高空间分辨率图像融合的新算法.该算法首先对多光谱图像进行HSI变换,其次对HSI变换后的强度分量进行高通滤波处理,接着与全色图像进行过加权融合处理,得到新的强度分量,其中加权系数从客观评价标准逆推得到,最后进行HSI逆变换,得到新的融合图像.通过与传统的HSI算法对比评价,多组实验结果表明本文提出的融合算法得到的融合图像的信息熵和平均梯度(清晰度)都增加了,而且多光谱图像的光谱偏差指数变小了.因此该算法在提高多光谱图像的空间细节表现能力和保持光谱信息上都有较好的效果,同时还具有较好的通用性.     

基于萤火虫优化的自适应PCNN遥感图像融合

为了提高融合后多光谱图像的质量,本文提出一种基于快速非下采样轮廓波变换(FNSCT)与萤火虫优化的自适应脉冲耦合神经网络(PCNN)相结合的图像融合算法。将通过亮度-色度-饱和度(IHS)变换的多光谱图像亮度分量与全色图像分别进行FNSCT变换,获得相应的高低频系数。针对低频系数,采用区域平均能量法进行融合;对于高频子带,为了确定PCNN模型的最优参数,将PCNN算法的链接强度与链接范围自适应化,并利用萤火虫算法优化其余参数,获得更优的PCNN模型,实现高频系数的融合。最终经过FNSCT逆变换和IHS逆变换得到融合结果。实验结果表明:本文提出的算法既提高了图像的空间分辨率又很好地保留了融合图像的光谱信息。     

Feature-Based Fusion of Dual Band Infrared Image Using Multiple Pulse Coupled Neural Network

To improve the quality of the infrared image and enhance the information of the object, a dual band infrared image fusion method based on feature extraction and a novel multiple pulse coupled neural network (multi-PCNN)is proposed. In this multi-PCNN fusion scheme, the auxiliary PCNN which captures the characteristics of feature image extracting from the infrared image is used to modulate the main PCNN, whose input could be original infrared image. Meanwhile, to make the PCNN fusion effect consistent with the human vision system, Laplacian energy is adopted to obtain the value of adaptive linking strength in PCNN. After that, the original dual band infrared images are reconstructed by using a weight fusion rule with the fire mapping images generated by the main PCNNs to obtain the fused image. Compared to wavelet transforms, Laplacian pyramids and traditional multi-PCNNs, fusion images based on our method have more information, rich details and clear edges.     

基于低频边缘特征和能量的多聚焦图像融合方法

针对多聚焦图像融合问题,提出一种基于低频边缘特征和能量的多聚焦小波图像融合方法.首先对待融合图像进行小波多尺度分解,然后对高频细节分量图像按区域能量最大化原则进行融合,对低频近似分量图像采用能量结合边缘特征的融合方法.试验结果表明,与已有的低频域平均法相比,该方法所得的融合图像能反映更丰富的细节信息,具有更好的视觉效果.     

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。     

使用代数多重网格进行多聚焦图像融合

针对将代数多重网格对图像结构信息的提取能力应用到图像的融合方面进行了研究,提出了一种基于代数多重网格的自适应多聚焦图像融合算法。首先提取图像的粗网格数据,然后进行分块重建,根据分块重建结果与原始图像的均方差选择合适的源图像分块进入融合图像。为了避免分块之间的不连续性,采用了自适应的策略。实验结果表明,自适应图像融合的结果没有丢失有效信息,能够最大程度地将清晰物体保留在融合图像之中。     

基于色彩空间和小波分析的多聚焦彩色图像融合

分别基于RGB、HSV和YIQ三种色彩空间,对多聚焦彩色图像融合进行了大量的研究.在实验中,基于RGB色彩空间时,将图像分解为R分量,G分量,B分量,分别在各个颜色分量上进行小波分解,然后在小波变换域上对所有图像的各个颜色分量的小波分解系数运用加权平均的融合规则,最后做小波反变换得到融合图像.而基于HSV或YIQ色彩空间时,首先要把多聚焦彩色图像转换到HSV或者YIQ色彩空间,然后运用与RGB色彩空间相同的融合方法,最后做小波反变换和色彩空间反变换得到融合图像,实验结果证明,小波分析在多聚焦彩色图像的融合中依然能发挥极好的作用,基于HSV色彩空间的多聚焦彩色图像融合会出现颜色失真,基于RGB和YIQ色彩空间都能取得很好的融合效果,相比之下,基于YIQ色彩空间更能取得较好的融合效果.     

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.     

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：     

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。     

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。