一种新的图像融合算法

提出一种各分解层上的不同频率分量采用不同的融合算子的双正交小波函数图像融合的新方法。首先将参加融合的两幅图像进行双正交小波多尺度分解,再根据纹理信息函数和边缘亮度函数的相关系数,对分解后的高频部分和低频部分采用不同融合算子进行加权融合。仿真结果表明,该算法与传统的图像融合算法相比较,能得到清晰度更高,偏差指数更小的融合图像。     

基于区域特征的小波变换图像融合方法

图像融合的目的是把来自多传感器的数据互补信息合并成一幅新的图像，以改善图像的视觉效果。笔者提出一种基于小波变换的图像融合方法，其思想是先把待融合图像采用小波进行分解，然后在对分解后的小波系数矩阵采用区域特征进行融合处理，最后采用小波逆变换得到融合图像。该方法很好地区分了图像低频分量和高频分量对融合的不同影响，实验表明取得了较好的融合效果。     

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.     

基于小波变换和多通道脉冲耦合神经网络的高光谱图像融合

针对高光谱多波段图像融合的问题,提出了一种基于小波变换和多通道脉冲耦合神经网络模型的新融合方法。该算法利用小波变换对图像进行多尺度分解,将得到的低频和高频系数分别采用多通道PCNN模型进行非线性融合处理,对低频子带直接利用其点火频率图得到融合结果,对各高频子带则利用点火频率图的直方图矢量重心及偏差计算自适应阈值并进行区域分割,对不同的区域采用不同的融合规则进行融合处理;最后进行小波重构得到融合图像。对OMIS高光谱图像的实验结果表明:所提方法能够有效地融合高光谱多个波段图像信息,且纹理细节信息突出。     

基于DTCWT域统计特征融合的纹理图像检索

在多尺度变换域,将各子带系数的统计特征进行互补融合可以有效地提高纹理图像检索的性能。文章利用双树复小波变换提出一种新的将低频子带系数的能量特征、高频子带幅值系数的Weibull分布参数特征以及相对相位系数的wrapped Cauchy分布参数特征相融合的纹理图像检索方法,采用VisTex纹理图像库进行检索。结果表明:采用多类系数统计特征的互补融合,以及最优的相似性测度加权组合,能够显著地提高纹理图像检索系统的平均检索率;与现有的7种纹理图像检索方法相比较,所获得的较高平均检索率为86.74%。     

基于小波变换和邻域特征的多聚焦图像融合算法

提出了一种基于小波变换和邻域特征的多聚焦图像融合算法。该算法首先采用小波变换对源图像进行多尺度分解,得到低频和高频子图像;然后对低频子图像采用基于邻域归一化梯度的方法得到低频融合系数,对高频子图像采用基于邻域方差的方法得到高频融合系数;最后进行小波重构得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该算法与传统融合方法的融合效果进行了比较。实验结果表明,该算法所得融合图像的效果和质量均有明显提高。     

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.     

基于互信息的多模态医学图像融合

目前已知的医学图像融合算法未充分考虑源图像间差异性的大小,针对该不足提出了一种基于互信息特征的多模态融合算法。算法引入提升小波变换,将目标图像分解为高、低频子带,根据高频子带的互信息量不同,对低互信息子带采用区域梯度能量与区域标准差相结合的融合规则,对高互信息子带采用边缘强度取大的融合规则。通过多组目标图像融合对比的实验进行验证,算法融合得到的图像信息丰富,边缘清晰,具有良好的视觉特性和优秀的评价指标。     

基于快速整数提升小波变换的多幅图像融合

在分析已有多分辨率图像融合方法的基础上,针对多幅图像融合模型的选择问题,提出了一种基于快速整数提升小波变换的多幅图像融合新算法。首先采用整数提升小波变换将多幅源图像分解到不同尺度、方向频带范围内,然后根据图像提升小波变换后不同子带的特点分别采用了2种新的高、低频融合策略,最后通过整数提升小波逆变换得到融合图像。对多幅源图像进行了融合实验,并对融合结果进行了主观和客观的评价。实验结果表明,该算法不仅适合多幅图像的实时快速融合,而且可以获得视觉效果较佳、细节更为丰富的融合图像。     

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．     

一种基于小波包变换的SAR图像与TM图像融合方法

为了增强来自不同传感器的图像信息，改善图像的可分析和提取能力，近年来，常采用小波变换融合方法。但小波变换只对低频信息进行多分辨分析，并不考虑高频信息的多级分解。小波包变换不仅能对图像的低频部分，而且对小波变换没有细分的高频部分也能进一步地分解。因此，小波包分析能够为图像融合提供一种比小波多分辨分析更加精细的分析方法。在研究了小波包分析法后，提出了一种小波包图像融合方法。利用此融合算法对同一场景的不同传感器荻得的合成孔径雷达（SAR）图像和专题绘图仪（TM）图像进行融合，通过客观分析与目视评价，证明该融合方法的融合结果更好。     

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．     

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.     

视觉显著性指导的红外与可见光图像融合算法

为了获取适合人眼观测的高质量红外与可见光融合图像,提出了一种基于视觉显著性指导的红外与可见光图像融合算法。首先,利用改进的流形排序法分别检测红外与可见光图像的视觉显著性区域;然后,采用非下采样轮廓波变换对红外和可见光图像进行多尺度、多方向分解,从而获取各自低频子带和高频子带,并将视觉显著性的检测结果用于指导分配低频子带的融合权重,即依据显著度大小赋予不同的权值,而高频子带的融合则依据局部标准差准则赋值;最后,通过非下采样轮廓波逆变换获得融合图像。实验结果表明:这种算法不仅可以保全可见光图像中的细节信息,而且能够精确地突显出红外目标信息,具有较好的视觉效果, 增强了红外与可见光复合前视系统的识别性能。     

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。     

基于区域能量的NSST域偏振图像融合算法

针对传统的偏振图像融合方法存在图像细节丢失、边缘模糊、对比度下降等不足,提出了一种基于区域能量的非下采样剪切波变换域(NSST)偏振图像融合方法。首先,利用NSST对源图像进行分解,获取源图像的低频子带系数和高频子带系数;然后,对分解得到的低频系数基于区域能量加权融合,对高频系数先基于区域能量取大融合,再应用引导滤波进行细节增强;最后,通过NSST逆变换得到融合图像。实验结果表明,融合后的偏振图像能够较好地保留细节信息,同时使边缘更加清晰,图像标准差、平均梯度、信息熵、对比度、空间频率相对传统方法均有不同程度的提高,具有更好的视觉效果。     

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.