基于NSCT的焦点度量优化和ISML多聚焦图像融合

针对成像设备的景深有限,采集图像部分失焦的问题,提出了一种有效的多聚焦图像融合算法,进一步提高图像的对比度和清晰度。首先用NSCT将源图像分解为近似子带和详细子带;然后采用焦点度量优化策略(FMO)和修正拉普拉斯变换(ISML)分别合并近似子带系数和详细子带系数;最后进行逆NSCT得到融合后的图像。利用灰度多聚焦图像数据集进行实验,并与常用的多聚焦图像融合算法对比分析得出,本算法在融合图像的视觉效果和7种常用的客观评价指标都具有更优越的性能。     

岩石薄片多聚焦图像融合的深度学习算法研究

本文提出了一种基于无监督的深度学习算法,以解决在显微镜下采集产生的岩石薄片图像的多聚焦融合问题。为了提取图像的深层特征,本文使用无监督方法训练了一个编解码神经网络,用于提取不同聚焦图像的深度特征,得到特征图;然后利用特征图的空间频率计算出二值决策图;由于细微的决策偏差,二值决策图中可能存在孔洞、毛刺干扰,于是对决策图进行形态学处理和滤波。最后通过处理后的决策图得到融合图像。实验得到本文方法的数据评价指标、、的值分别为0.7477、0.9874、0.7969,同时主观效果上也好于其他方法;实验证明了在显微镜岩石薄片图像和通用图像的多聚焦融合应用中,该方法能取得良好的效果。     

基于邻域方差加权平均的小波图像融合

提出了一种基于邻域方差加权平均的小波图像融合方法.利用离散小波变换分别将两幅源图像进行多尺度分解,再用不同的小波系数特征指导高频分量和低频分量的小波系数的融合.低频分量采用简单的加权平均法,高频分量采用邻域方差加权平均法,最后根据融合图像的各小波系数重构融合图像.实验表明不论从主观感受,还是采用信息熵和交叉熵作为评价标准,该方法都优于像素级融合方法.     

一种基于小波变换的夜视图像去噪和融合方法

微光夜视图像使用的像增强器会导致电子噪声和低照度的产生,2种因素会导致图像不清晰,细节不足.该文分析了2种影响因素的产生原理,针对其采用改进的小波变换去噪算法和融合算法进行处理以提高图像分辨率.实验结果表明:经过去噪和融合的微光夜视图像获得了更高的图像分辨率,保留了更多的图像细节.     

基于小波清晰度计算的水下图像融合增强研究

近年来,机器视觉技术在水下环境探测中得到了广泛的运用,然而由于受到水下环境和光学系统景深的限制,无法获取清晰的全景图像。鉴于此,提出了一种基于小波清晰度计算的水下图像融合增强方法。首先,对源图像进行小波变换,并利用小波系数获取图像的清晰度。其次,利用获取的清晰度对图像进行区域划分,得到图像的聚焦区域。再利用不同的融合规则分别对聚焦区域和非聚焦区域进行融合。最后,将聚焦区域和非聚焦区域进行合成,得到最终的融合图像。实验证明,所使用的融合方法对于实验环境较差的水下图像效果有这较大的提升,更加便于水下环境的检测与分析。     

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。     

基于多尺度分解的双曝光图像融合方法

为了有效地提高可见光成像设备的动态范围,降低融合图像的质量对源图像数量的依赖,提出了一种基于多尺度分 解的双曝光图像融合算法。该方法只需要一组欠曝光和过曝光图像作为源图像,通过曝光融合即可得到一幅包含丰富信息 的图像。首先,依据欠曝光图像和过曝光图像自身的特点,分别进行了自适应曝光调整,充分挖掘图像中潜在的细节信息。 然后,提取图像序列的边缘强度、曝光适宜度和色彩饱和度作为评价指标,进而构建出融合权重图。最后,通过金字塔多尺度 分解和加权融合得到融合图像。实验选取了15组图像序列,分别从主观和客观两个方面与4种具有代表性的算法进行了对 比。实验结果表明,本文算法相比于其他算法,图像质量综合提升了4.9%,具有更强的细节信息保留能力。     

基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法

研究低成本和便携的红外成像技术是最近几年带电检测的发展趋势,为减少红外检测环境、红外传感器以及其他因素的影响,解决红外检测中红外图像含噪声干扰、模糊和对比度低的问题,文章设计了一种基于灰狼自适应阈值分割和改进模糊增强的红外图像NSCT增强算法.对原始红外图像进行NSCT域变换;变换后含有噪声的高频分量采用VT去噪后,接着采用改进模糊增强处理;对变换后含有电力设备主体的低频分量进行灰狼自适应阈值分割为背景和前景部分,随后分别进行增强处理;最后将处理后的各分量进行逆NSCT变换.经对比应用,验证了该算法应用在变电站电力设备红外检测上的优越性:文章算法与其他算法相比在边缘强度、信息熵、对比度、标准差、峰值信噪比五类评价指标上的涨幅至少为3.94％、2.16％、9.86％、7.45％、21.86％.文章算法处理后的红外图像符合人眼视觉效果,更易于人眼识别故障,有利于电力设备热故障的检测与故障定位.     

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...     

X波段T/R组件键合金丝的自动检测技术

X波段T/R组件中,键合金丝的数量、长度、拱高、跨距、焊点位置等参数会对微波传输特性产生严重的影响。通过自动检测技术实现上述参数的自动检测,可以推断出X波段T/R组件键合质量是否合格。本文基于变焦显微测量技术,通过自主设计的图像采集平台,获取到键合金丝的一组图像,然后通过多聚焦图像融合、聚焦评价等图像处理技术,实现了键合金丝的拱高和跨度的微米级测量,测量结果相对误差小于0.7%。该方法该技术有利于提高金丝键合成品质量的检测效率,提高X波段T/R组件的生产效率。     

图像融合质量测试方法

文中提出图像融合质量测试方法,模拟视觉系统的三个主要特性:多通道性、掩盖效应和视堂非线性.仿真表明:该方法的测量结果符合人眼的主观感觉,可用于图像融合质量评价.     

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。     

基于相位相关法的图像拼接系统设计

图像拼接技术可以将一组相关的图像碎片依据一定的方法进行拼接使其形成一幅完整的、高清的图像技术。为了快速、准确的对这些图像碎片进行拼接,研究了大量的图像拼接算法,并对这些算法进行实验测试,通过对各种算法进行比较、分析发现基于相位相关法的图像拼接算法其程序实现简单且具有好的鲁棒性。最后利用MATLAB语言开发了基于相位相关法的图像拼接系统,通过仿真、测试表明开发的系统与现有的图像拼接系统相比较具有较好的稳定性和准确性。可推广到实际生活中,具有一定的应用价值。     

色彩传递算法在不同色彩空间中的成像效果研究

为了在红外与可见光图像融合系统中,评价不同色彩传递算法在不同色彩空间中的成像效果,分别在YCbCr色彩空间和lαβ色彩空间中,采用全局色彩传递算法和点对点色彩传递算法分别对一组图像进行效果对比研究,并使用客观评价方法对处理结果进行计算分析,所得到的评价结果与主观评价结果基本一致。经过实验对比,客观评价方法的结果与主观评价方法的结果一致,色彩空间的选择对色彩传递算法的最终效果有显著的影响,在YCbCr空间中,全局色彩传递效果好于点对点色彩传递效果;在lαβ空间中,点对点色彩传递效果好于全局色彩传递效果。     

自适应水下彩色图像增强算法

在水下环境中,水体介质对光照的吸收和散射是导致水下成像失真的两大主要成因。水体对光线的吸收导致能量衰退大大降低了清晰度,另水体介质对各波段的散射和吸收的无规律性导致水下成像颜色失真。为了提高对水下成像的认知,本文提出了一种自适应水下图像增强算法。该方法首先对原始图像进行降噪和对比度提升得到两幅输入图;其次,以原始图像的显著图为引导,结合照度和色度图,作为图像融合的权重图;最后,根据权重图对两幅输入图像进行自适应加权求和,从而实现图像增强的目的。实验结果证明本文算法具有良好的实时性和鲁棒性,有效地增强了水下降质图像。     

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。