平稳小波域局部自适应绝缘子的红外热像去噪

为从强白噪声干扰的红外热像中提取真实的绝缘子盘面温度场信息,提出了一种平稳小波域局部自适应绝缘子红外热像去噪方法。该法假设平稳小波变换子带系数服从拉普拉斯分布,利用最精细分解层子带系数估计噪声方差,使用待估计点圆形邻域系数估计信号方差,根据图像噪信比自适应调整邻域窗口大小,采用最大后验估计器局部自适应估计各高频子带小波系数,最后对处理后的小波系数进行平稳小波反变换得到去噪后图像。实验结果表明,该方法比传统的Wiener滤波法、基于离散小波变换和平稳小波变换的贝叶斯阈值去噪法的信噪比更高,在有效去除图像噪声的同时,图像细节信息保留更完好。     

基于非下采样Shearlet变换与差异度量的遥感图像融合算法

为了解决当前基于加权平均机制的遥感图像融合算法忽略了图像像素间的差异性,易导致融合图像出现振铃及光谱失真等问题,设计了非下采样Shearlet变换耦合差异度量的遥感图像融合算法。引入亮度-色调-饱和度(IHS)变换,获取多光(multi-spectral,MS)图像中的亮度I成分;借助非下采样Shearlet变换,计算出I分量及全色(PAN)图像对应的低频及高频系数;再利用结构相似度(SSIM)函数,对低频系数的差异性实施度量,从而构建了差异度量法则,根据低频系数间的差异性采取不同的低频系数融合策略,实现低频系数的融合;考虑图像的平均梯度信息,构建高频系数融合机制,完成高频系数的融合。基于非下采样Shearlet逆变换,对融合的高频及低频系数实施处理,获取融合结果。实验结果显示,较已有的遥感图像融合方法而言,所提技术具备更高的融合效果,其输出结果含有更大的信息熵值和更低的光谱偏差度。     

非下采样Shearlet变换耦合边缘制约的遥感图像融合算法

为了解决当前遥感图像融合算法因忽略了区域中像素点的边缘特征而导致融合图像中存在块效应以及模糊效应的不足,在非下采样Shearlet变换的基础上,设计了基于边缘制约模型的遥感图像融合算法。首先,将多光谱(MS)图像经过IHS分解,提取相应的亮度分量。然后,通过非下采样Shearlet变换,将全色(PAN)图像与亮度分量进行分解,获取各自的高频系数与低频系数。再通过图像的空间频率特征,建立低频系数的融合函数,对低频系数进行融合。并利用图像的区域平均梯度特征与图像区域中像素点的边缘能量特征,构造了边缘制约模型,对高频系数进行融合。最后,将融合后低频系数、高频系数经非下采样Shearlet逆变换和IHS逆变换,获取融合图像。实验结果显示,与当前遥感图像融合方法相比,所提算法的融合图像具有更高的清晰度,更好地保持了图像的光谱特性,消除了块效应以及模糊效应。     

基于小波对比相关性及加权因子的图像融合算法

以小波方向对比度或图像局部特征作为判据的图像融合算法均有较好的效果.本文综合上述两个方面的因素,并定义了高频加权因子,提出了一种新的基于小波方向对比度相关性和高频加权因子的融合算法.该算法首先提取小波系数用以计算高频系数的方向对比度,而后计算相关度并构造加权系数,最后利用加权系数和高频加权因子重新得到融合图像的小波系数进行反变换,重构融合图像.经多聚焦图像的融合实验表明:该算法比本文提及的另外3种算法更为有效.     

区域清晰度的小波变换图像融合算法研究

针对图像传感器景深限制而产生的多聚焦图像融合问题,提出了一种基于区域清晰度的小波变换图像融合算法,通过比较不同原图像小波变换子图各像素邻域间的清晰度指标,提取不同尺度的细节信息构建全景聚焦图像,以消除传统空域融合方法因采用单一融合尺度而产生的块效应现象。该算法首先对多个原图像采用小波变换进行多尺度分解;然后针对低频子图,以像素邻域内的点锐度和作为融合度量来获得低频融合系数,对于高频子图,根据像素邻域内的拉普拉斯算子之和进行融合,以减少局部噪声对于清晰度运算结果的影响;最后通过小波逆变换获得融合图像。实验结果表明,这种基于区域清晰度的融合方法要优于其他常用算法,减少了人工融合痕迹,融合效果好。     

基于IHS变换与自适应区域特征的遥感图像融合算法

当前较多遥感图像融合算法主要通过独立像素点的像素特征来完成图像子带的融合,忽略了图像子带的区域相关性,导致融合图像存在不连续以及模糊效应等不足。因此,设计了IHS变换耦合自适应区域特征的遥感图像融合算法。引入IHS(intensity, hue, saturation)变换,对多光谱(MS)图像进行分解获取强度分量,将其与全色(PAN)图像进行融合。再通过非下采样Contourlet变换(NSCT)对PAN图像与强度分量进行子带分解,获取高、低频子带信息。并利用图像的区域能量以及区域空间特征,对低频子带融合模型的调节因子进行自适应整定,使得融合低频子带能够包含更多的空间信息。基于图像的区域方差特征来构建高频子带融合模型,使得融合高频子带能够包含更多的纹理信息。实验结果表明,与当前遥感图像融合算法相比,所提算法的融合图像具有更好地光谱特性以及空间特性。     

基于二代Curvelet变换与近似度制约规则的遥感图像融合算法

为了提高遥感图像的融合质量,消除模糊与不连续效应,设计了基于二代Curvelet变换与近似度制约规则的遥感图像融合算法。通过HSV变换对多光谱图像进行分解,获取其亮度子图。引入二代Curvelet变换,对全色图像与亮度子图进行精细分解,求取图像的高频与低频系数。利用图像的对角信息改进空间频率模型,求取全色图像低频系数的注入因子,并将全色图像的低频系数注入到亮度子图对应的低频系数中,获取融合低频系数。利用结构相似度模型对不同高频系数进行近似度测量,建立近似度制约规则,获取融合高频系数。通过对融合系数实施Curvelet和HSV反变换,获取融合的遥感图像。实验结果表明,较已有的遥感图像融合方法而言,所提方法具有更好的融合质量,包含了更多的光谱与空间信息。     

电力负荷无迹卡尔曼阈值多频级WNN区间预估

针对传统小波神经网络(wavelet neural network,WNN)应用于电力负荷预测时,存在网络组件无法对小波高频信号分量进行有效处理的问题,提出一种针对电力负荷高频信号的无迹卡尔曼滤波(unscented kalman filter,UKF)多频级WNN区间预测算法。首先,给定高频分量信号阈值,对三通道滤波器获取的中频信号分量进行深度划分,并利用UKF算法的无迹变换,获取电力信号高频小波分量均值产生的sigma特征点,将其作为神经网络输入进行训练和预测;其次,针对WNN输出低频信号分量方差的预测输出增量变换问题,利用区间预测估计算法实现高、低频方差预测输出融合,并作为网络输出评价指标;最后,通过实验对所提算法进行有效性验证,并给出高频信号分量阈值选取实验结果,为高频阈值选取提供依据。     

基于小波分解的神经网络组合风速预测

短期风速预测对于风电机组一次调频有着重要意义,而风速的随机性和波动性会直接影响到风速预测的精度.针对风速的上述特点提出了一种基于小波分解的神经网络组合风速预测方法.首先通过小波分解将不稳定的风速信号进行分解,从而得到不同频率的分量并进行重构;然后对高频分量分别采用Elman、BP神经网络预测并选取合适的权重比进行加权平均,低频分量采用Elman神经网络进行预测;最后将每一个预测的值进行叠加获得最终的预测值.算例分析表明:基于小波分解的神经网络组合预测方法的预测精度有很大提高,预测结果更具有可靠性.     

基于非下采样Contourlet变换耦合特征选择机制的可见光与红外图像融合算法

为了克服当下较多可见光与红外图像融合方法因忽略了光谱特征而导致融合图像存在光谱扭曲、目标内容显著度较差等不足,提出了非下采样Contourlet变换(nonsubsampled contourlet transform, NSCT)耦合特征选择机制的图像融合算法。首先,通过NSCT对可见光与红外图像计算,分离出其不同图像系数。然后,利用信息熵函数,度量图像所含信息量的丰富度,以形成低频系数的融合系数,得到富含红外目标等丰富信息的融合低频系数。采用像素点的邻点信息,度量图像的清晰度特征,并引入均值函数,度量图像的光谱特征,再联合图像的清晰度特征,构造特征选择机制,从图像中选择理想的高频系数融合函数,获取兼顾细节特征和光谱特征的融合高频系数。最后,通过实验结果发现,较现有的融合算法而言,所提算法拥有更好的融合质量,更好地保持了图像的光谱特征,且目标内容显著。     

W变换和NSCT相结合的多聚焦图像融合方法

图像的多尺度分解技术和融合规则是决定多聚焦图像融合效果的关键因素。k次W系是一类以k次多项式和k次分段多项式为基函数的新的混合正交函数系统,对应的W变换是一种具有正交性和精确重构性的有效多分辨分析工具。结合W变换的多尺度特点和非子采样方向滤波器组变换的多方向性,提出了一种新的基于W变换和非子采样方向滤波器组(NSDFB)的多尺度多方向变换。该变换利用W变换对图像进行多尺度分解,利用二维NSDFB对W分解的高频子带系数进行方向分解,得到不同尺度不同方向的子带图像。在此基础上,提出了一种新的多聚焦图像融合算法。该算法针对多聚焦图像高频系数的特点,改进了常用简化脉冲耦合神经网络算法,并将其用于高频系数的融合规则中。实验结果表明,提出的融合方法能够有效地选择源图像中的聚焦良好区域,抑制伪影信息,产生视觉效果更好的融合图像,且在标准差、信息熵、平均梯度和空间频率等客观评价指标上都优于传统的基于Contourlet变换、非下采样Contourlet变换、离散小波变换的融合方法。     

基于小波变换和图像融合的智能照明控制系统研究

传统的灯光照明控制系统中单一信道信息量少,准确性和可靠性低,以及不易理解和判读,针对这些问题,本文提出基于小波变换和图像融合的方法,采用动静检测加数字图像融合的照度控制方式,充分利用多源数据的互补性。经过小波变换的融合图像保留了每一个源图像的重要特征,提高了图像质量和清晰度,并将融合图像划分不同区域,提高了环境照场辨识的准确性和可靠性,最后通过与预设数据对比加以调整,从而实现环境现场的智能照度控制。     

A new multi‐focus image fusion algorithm based on BEMD and improved local energy

A multi‐focus image fusion method, which is based on bidimensional empirical mode decomposition (BEMD) and improved local energy algorithm, is presented in this paper. First, the source image is decomposed by BEMD. Then maximum criterion combined with weighted average fusion rule based on local energy is applied to bidimensional intrinsic mode function components of the corresponding frequency segment. If the phase of the bidimensional intrinsic mode function coefficients decomposed by BEMD on two source images is the same, the local energy maximum criterion is used in the frequency coefficients of the fused image; else, if the corresponding phase is opposite, bidimensional intrinsic mode function coefficients of the fused image is determined by a weighted average method based on local energy. Finally, the fusion result is obtained by the inverse BEMD transformation on the fusion coefficient. Simulation shows that the proposed algorithm significantly outperforms traditional methods such as the maximum criterion, weighted average, and wavelet fusion rules. © 2015 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于非下采样Shearlet变换耦合导向法则的多聚焦图像融合算法

为了克服当前较多图像融合算法主要是通过取大法来完成图像系数的融合,忽略了图像间的关联性,导致融合图像中含有间断及振铃现象等缺陷,设计了基于非下采样Shearlet变换耦合导向法则的多聚焦图像融合算法。首先,引入非下采样Shearlet变换(NSST),对多聚焦图像进行计算,求取图像的不同系数。再利用图像的区域能量、标准差以及空间频率特征,对图像的关联性进行度量,并将度量结果作为选择融合规则的导向信息,通过构造导向法则来完成低频系数融合。在高频系数融合时,利用图像的均值特征以及Laplacian能量特征,分别对图像的亮度以及边缘信息进行度量,以实现高频系数的融合。以电路板与仪表盘为样本数据进行测试,结果显示,与当下融合算法相比,本文算法具有更高的融合效果,其输出图像具有更大的通用图像质量指标与平均梯度值。     

多源遥感图像融合算法研究

图像融合是图像处理技术发展的一个重要内容,多源遥感图像融合作为图像融合领域的一个重要分支,已经成为遥感技术领域的研究热点。根据多源遥感图像融合技术的研究现状,简要概括了遥感图像融合的基本概念;从算法原理着手,研究分析了多源遥感图像常用的融合算法的优缺点,如IHS变换法、Brovey变换法、主成分分析法、小波变换法等;探讨了遥感图像融合中的各种评价指标;指出了遥感图像融合的发展方向,为以后相关研究提供参考和借鉴。     

基于系数融合与锯齿填充曲线的双图像加密算法

为了实现对两幅图像同步加急，有效降低传输负载，提出了系数融合模型与锯齿填充的双图像加密算法。首先，引入离散余弦变换DCT与Zigzag 扫描机制，获取输入明文的系数矩阵，建立明文系数融合模型，将两个明文矩阵转换成融合矩阵，借助逆向离散余弦变换，获取复合图像；随后，设计锯齿填充曲线，对复合图像的像素位置进行扰乱，形成置乱图像；最后，改进引力模型，对置乱图像进行扩散，改变其灰度值。实验结果显示，本算法能够对两幅图像进行同步加密，且具有较高的安全性与密钥敏感性，解密图像的信息损失很小。     

基于小波分析的阵列滑觉信号识别方法

机械手指尖能够更好地感知物体的运动状态信息，对实现类似于人手的稳定抓握至关重要。为了使指尖末端对物体的滑觉信息具有更好的感知能力，提出了一种基于离散小波变换的触滑觉信号识别方法。首先将触觉传感器25个触点的信息，采用相关系数法进行融合；然后将得到的信息进行小波变换，观察切向力信号和法向力信号在频域成分中的不同。最后，采用离散小波算法，通过多次试验，设定合适的小波系数，进行特征值提取，对切向力和法向力进行区分。实验结果表明，在以3 N大小的法向力作用下，分别对刺状球、光滑球、凸点球3种轮廓不同的物体施加干扰引起滑动，其设定的同一小波系数阈值±0.018仍能很好的区分压觉和滑觉信号。本识别方法可以为机械手实现稳定抓取提供依据和技术支撑。     

图像栈的特征提取以及在线虫分类中的应用

三维多焦距图像栈中的有效信息分布在不同的图像层上,其特征提取及分类跟普通二维图像有很大区别。针对图像栈的分类问题,提出了一种基于多方向图像融合的多线性特征提取和分类方法。首先,通过图像融合获取三维图像栈沿多个正交方向的融合图像,并从中提取特征;然后,通过典型相关分析(canonical correlation analysis,CCA)方法,将不同方向融合图像提取的特征进行融合并抽取组合的典型相关特征用于图像分类;其次,由于图像栈数据包含了样本、类别和方向等多个影响分类的因素,因此将多方向图像融合方法嵌入到多线性分析中,综合考虑多个因素交互作用时对图像栈分类的影响。本文提出的方法在线虫图像栈数据上进行了实验,识别率达到了97.0%,实验结果表明该方法具有较高的准确性。