基于数值微分的图像融合方法

提出一种基于数值微分的图像融合方法。用精确求解离散数据导数的数值微分方法取代传统的邻域差分来求解图像梯度,将求解得到的图像梯度应用到基于偏微分方程的图像融合模型中,改进基于偏微分方程的图像融合数值化方案。将改进前后的方法进行对比实验,结果表明,应用改进方法得到的融合图像的质量指标和图像收敛性较优。     

基于图像块多向梯度模的小波图像融合方法*

利用块分割图像融合算法的思想,提出了一种基于多向梯度模的小波图像融合方法：对图像块进行小波分解,利用小波反变换得到相同尺度的高频图像块,然后对高频图像块多向梯度滤波,比较对应块的高频图像的总的梯度模值,以挑选出其中清晰的图像块并进行一致性验证,重构图像。该方法不用进行小波反变换重构图像,真正保留了原始的清晰图像。通过实验,证明了该方法对于多聚焦图像的融合具有很好的效果和很好的稳定性。     

基于量子力学和拉普拉斯金字塔的图像融合方法

针对数字图像的融合问题,研究一种基于量子力学理论的图像分解方法,并将其结合拉普拉斯金字塔变换,提出一种新的图像融合方法.先把2幅灰度图像表示成量子比特的形式,然后把每幅图像分解成4幅特征子图,根据分解后特征子图的不同含义,使用不同的融合策略分别对子图进行融合.其中一幅子图使用拉普拉斯金字塔变换进行融合,另外3幅子图使用区域梯度取大法进行融合,最后通过重构得到融合图像.仿真实验表明该方法融合效果较好,在主观视觉感受和客观评价指标上均优于传统的图像融合方法.     

基于梯度融合规则的医学图像融合方法*

为了更好地满足临床诊断和治疗的需要,本文提出了一种在图像融合阶段对测量值进行自适应梯度加权和图像重建时采用CoSaMP重建算法相结合的方法。该算法首先对两幅源图像分块并进行稀疏表示,同时利用观测矩阵进行测量。在测量数据融合阶段引入图像梯度来反应图像本身的边界信息,先计算每幅分块子图像的梯度;然后利用自适应梯度加权的融合规则得到融合的测量数据,并对融合测量数据进行随机压缩采样;最后通过CoSaMP算法对采样数据进行信息重构实现测量数据的恢复。该方法克服了图像融合时信息畸变的缺陷,并且可以根据不同融合区域自动调整融合规则的权重系数,有效地避免了设置固定权重系数造成的融合误差。实验结果和评价指标验证了本文算法的有效性和先进性。     

基于图像块能量梯度的多聚焦图像融合

针对多聚焦图像,提出一种基于图像分块的融合方法。将源图像分为大小相同数量相等的子块,采用能量梯度算子作为对焦评价函数,计算各个图像子块能量梯度匹配度,设置匹配度阈值分离出源图像中的清晰区域。源图像中的清晰区域直接作为融合图像相应的区域,其它区域的处理中,构造与相应子块能量梯度大小相关的图像序列,以及像素点到各个子块中心距离相关的融合函数,然后用融合函数对图像序列融合。实验结果表明该方法有效性和合理性。     

图像融合研究综述

分析了图像融合结构,评述了国内外图像融合方法,并对目前研究热点的彩色图像融合进行了论述,阐明了图像融合评估的研究现状。最后,说明了图像融合发展的影响因素,并指出了图像融合发展的3个主要方向与研究热点。     

基于梯度的多曝光图像融合

针对运动场景拍摄的不同曝光度的图像序列,提出基于梯度的多曝光图像融合方法,将不同曝光度的图像细节呈现到同一张普通图像上。该方法是直接加权融合的方法,先用梯度信息来定义权值,然后用多分辨率加权融合。实验表明,本文的方法取得较好实验结果,消除运动物体对图像融合产生的影响,同时增强了图像的细节表现能力,具有较好的实用价值。     

基于梯度的压缩感知图像融合（英文）

目的:面向多传感器图像融合,实现基于梯度的压缩感知图像融合,使其具有传输量小,计算复杂度低的特点。创新点:提出一种基于梯度的融合规则(图1),对压缩感知系数进行融合,并对融合后的压缩感知系数进行反变换得到原图像,提高压缩感知融合质量。方法:首先,对多传感器捕获的图像进行压缩感知分解以提高传感器传输速率。然后在融合阶段,基于压缩感知系数梯度进行融合得到融合后的压缩感知系数,并对融合后的系数进行压缩感知反变换得到融合后图像。通过两种融合场景的应用实验(图2-7,表1-6),证明所提算法相比于其他传统压缩感知图像融合方法,在人眼视觉及客观融合标准中均更优。结论:针对多种融合场景,提出一种高效的基于梯度的压缩感知的图像融合方法,提高图像融合精度。     

基于邻域平均梯度的小波图像融合

在图像融合领域中,小波变换是一种重要的方法。首先对图像做小波分解,得到小波的分解系数,基于平均梯度能够反映图像微小细节的反差,应用了一种基于邻域平均梯度的小波融合算法,对源图像进行了融合,并与最大绝对值法,邻域方差法做了比较,采用峰值信噪比、信噪比和均方根误差作为评价度量,并指出了该算法的最佳分解层数,通过实验证明,该算法显示了一定的优势。     

基于曲波变换的图像融合方法

本文在研究了曲波变换的特性后,提出了一种基于曲波变换的图像融合方法,并分别将由不同传感器获得的不同分辨率的遥感图像和医学图像利用此方法进行了融合.这种方法不仅能够完好地显示了源图像各自的信息,而且能很好地将源图像的细节融合在一起.实验结果表明采用这种方法可以得到更好的融合效果.     

像素级图像优化融合客观评价指标分析

文章对像素级图像融合的客观评价指标进行分析,设计了新的交互信息量指标,避免了信息的重载,并根据指标相关度和指标选取原则对图像融合的指标进行评价和选取,形成了一组有效的评价准则,使图像融合质量评价指标较为完备,实验验证了方法的有效性。     

遥感影象融合效果的客观分析与评价

本文综合利用三类统计参数来进行遥感影象融合效果的分析与评价：第一类反映亮度信息,如均值;第二类反映空间细节信息,如方差、信息熵、交叉熵和清晰度,其中给出了一种更切合实际的交叉熵定义;第三类反映光谱信息,如扭曲程度、偏差指数与相关系数。以小波变换融合方法为例,针对TM多光谱影象与SPOT全色影象融合的具体情况,,对不同分解阶数的融合影象进行分析和评价。评价结果与理论分析结果和目视效果相吻合,说明这些参数可以作为遥感影象融合的客观效果评价准则。     

多传感器图像融合技术及评价方法研究

对图像融合的主要研究内容和方法进行了探讨,对像素级多分辨图像融合的主流方法作了深入地分析和定性比较,对图像融合效果的客观评价准则进行了比较和总结。实验结果表明基于多分辨分析的融合方法在主观视觉质量和客观评价准则上均具有明显优势,文中最后对图像融合的未来发展前景进行了展望。     

多源遥感图像融合效果评价研究

多源遥感图像融合的一个重要步骤是对融合图像的效果进行评价,在研究多源遥感图像融合效果评价的各种方法的基础上,分析了不同评价指标的物理意义,并提出如何根据不同的融合目的有效选取评价融合效果指标。     

像素级多源遥感影像信息融合的客观分析与质量评价

为了评价融合影像质量和各种融合方法的优缺点,理论上必须具备一套客观的、全面的评价指标.采用高空间分辨率影像和低空间分辨率多光谱影像融合的主要目标是获取高分辨率多光谱影像,因此对融合影像进行客观分析与质量评价,需要客观与主观的定量评价标准相结合进行综合评价.即对融合影像质量在主观定性的目视评价基础上,进行客观定量评价.为此本文提出了熵、平均梯度和相关系数等评价融合影像质量和融合方法性能的指标,并结合实际对二套空间分辨率不同的影像数据进行了分析试验.     

多传感器图像融合效果综合评价研究

针对图像融合效果评价问题,利用灰色关联分析的小样本特性和整体比较机制,结合先验知识和量化评价,提出了一种基于多层次灰色关联分析的图像融合效果综合评价方法,评价结果易于定量表示,更加精确、客观,区分度大、可靠性高.该方法不仅可以从整体上进行综合评价,还可以从某个侧面进行特殊性需要的评价,兼顾了实际评价工作中的通用性和特殊性要求.实验结果表明,该评价方法具有较好的实时性和准确性,对于实现具有反馈的图像融合过程,进一步丰富和完善图像融合理论框架具有启发意义和实用价值.     

一种面向多光谱遥感图像的动态尺度梯度调制融合算法

针对多光谱遥感图像,提出一种新的动态尺度梯度调制融合算法;该算法首先根据需求选取不同波段上的光谱图像,然后在多尺度梯度塔形分解数据结构下,分析、选择合适尺度上的一幅梯度图像作为融合的引导,再经过动态的阈值选取和二值化得到调制因子,对另一幅光谱图像进行调制,获得最终的融合图像;实验结果表明,与传统的对比度调制算法和多尺度调制融合算法相比,该算法能够有效地保留、增强各个波段光谱图像中最显著的地貌特征.     

多光谱图像与全色图像的像素级融合研究

以高空间分辨率的全色图像与高光谱分辨率的多光谱图像进行像素级双源融合为例，详细地总结了卫星多源遥感图像融合领域像素级融合的步骤、基本融合模型和优缺点，重点分析了各种常见像素级融合方法的原理和特点，并归纳了像素级融合结果的主客观评价标准和评价方法，以及像素级融合的主要应用领域，最后讨论了像素级融合目前存在的问题和今后的发展方向。     

改进的小波图像融合算法及应用研究

为了提高图像融合质量,论文提出了一种改进的小波变换的图像融合方法,该算法将源图像分别进行小波分解,各图像分解成低频系数和高频系数,低频系数采用基于prewitt算子的融合规则,高频系数采用融合系数选大的融合规则,然后将融合后的低频系数和高频系数做离散小波变换,得到小波变换后的融合图像.与传统的图像融合算法相比较,实验表明了改进的小波图像融合新算法具有更好的融合效果,将改进后的算法用于发动机温度场检测中,融合后的热端部件示温漆彩色图像边缘特征更加突出,区域分割精度更高.     

针对融合图像的均值位移跟踪方法

提出一种针对融合图像的均值位移跟踪方法。运用加权平均融合和基于动态目标检测的多源动态图像融合体系,对可见光与红外图像进行像素级动态图像融合,利用Mean Shift算法进行目标跟踪。采用真实数据进行实验,并对实验结果进行稳态的位置均方根误差评价。结果表明,在跨背景区域及复杂背景下,采用该方法对目标进行运动跟踪,能满足鲁棒性及实时性要求。