基于改进小波变换的医学图像融合方法

小波变换在图像融合中的应用已有不少,但大多是热图像和可视图像的融合,在医学图像融合方面的研究还比较少.针对这一现状,提出了基于形态学小波的医学多分辨率融合方法和小波域基于差值图像分割的加权融合方法.该方法保留了小波的视觉效果,同时在很大程度上减少了运算的复杂度,优化了加权系数的计算方法,得到了较好的融合效果.实验结果表明了该算法的优越性.     

基于加权改进小波变换的图像融合算法

针对低对比度图像融合时会造成图像细节模糊等缺陷,提出一种基于加权双正交自适应小波变换的图像融合算法。取小波系数局部模极大并进行自适应加权修正以融合高频系数。采用对2幅原图像的低频系数加权自适应的方法对低频系数进行融合。对多聚焦图像和多光谱彩色图像分别采用计算图像信息熵和均方根误差、计算图像平均梯度的方法对融合的性能进行评价。实验结果表明,采用该融合规则得到的融合图像具有良好的融合效果。     

一种基于CUDA的快速宽视频拼接的方法

在视频拼接过程中,需要进行大量的图像处理计算,高复杂度的拼接算法很难满足实时性要求。因此,为了实现多视频源快速拼接,不仅要求拼接算法具有较强的鲁棒性,同时还需要具有较低的复杂度。文中提出了一种新的快速宽视频拼接方法,此方法首先利用SURF算子提取图像特征点并进行匹配,接着使用多分辨率融合算法进行全景图融合,然后利用基于路径的方法结合光流实现低复杂度的视频插帧,同时整个宽视频拼接过程使用CUDA进行并行加速,最后用一个双目拼接系统对文中提出的方法进行可行性验证。     

空间移不变系统图像超分辨复原的快速解耦算法

超分辨率图像复原是当今一个重要的热门研究课题. 本文提出了一种基于全变差模型的超分辨率复原快速解耦算法. 利用半二次正则化思想, 提出了一个新的解耦TV (Total variation)模型. 利用交替最小化方法和线性空间不变模糊的性质将上采样融合、去模糊和去噪分步进行. 算法中对上采样融合采用非迭代的直接计算方法; 去模糊过程采用基于变换的预处理共轭梯度迭代算法, 而去噪过程采用了子空间投影方法. 本文算法降低了算法复杂度; 超分辨率重建图像在去除噪声的同时, 不仅能够保证图像平坦区域的保真度, 较好地抑制阶梯效应的产生, 而且能够保持图像中边缘等重要几何结构的清晰度.     

基于复数小波变换的边缘保护融合算法

如何保护局部对比度信息是图像融合的关键问题,而图像边缘是基于人类视觉系统(HVS)最敏感的局部对比度信息.基于对偶树复数小波变换(DT-CWT),提出一种保护图像边缘信息的加权系数融合算法.对于低频部分,使用邻域熵极大值准则将系数添加到融合图像中;而对于高频部分,首先分别对各小波子图像进行边缘提取并对其特征增强,接下来使用边缘信息优先的加权系数融合策略进行特征信息融合.实验结果表明,同传统多分辨率图像融合方法相比,能得到更好的融合效果.     

采用树状小波变换的医学图像融合方法及实现

提出基于树状小波变换的医学图像融合方法,所提出的算法能够在一定的能量准则下对图像进行自适应树状小波分解,能够根据图像的子图能量决定图像的变换。通过实验仿真及客观的图像融合评估准则,实验结果表明了树状小波分解能够得到比塔形小波分解更好的融合效果,信噪比提高了很多,均方差明显减少,且该算法不但保留了小波变换算法的多分辨率特性,而且充分保留了图像中的细节信息,减少了融合的复杂度。     

结合最佳缝合线和多分辨率融合的图像拼接

目的 针对图像拼接过程中,缝合线通过运动物体或配准不准确区域等情况导致融合图像出现鬼影、重影的问题,提出了一种基于差异图像加权的改进最佳缝合线算法,采用基于多分辨率和加权平均的分区图像融合算法解决了拼接线问题。方法 首先将两幅图像的重叠区域划分为缝合线区域和过渡区域;在缝合线区域内,使用差异图像加权的最佳缝合线搜索准则构建准则值图像,基于动态规划思想来搜索得到最佳缝合线;基于缝合线生成掩码图像,并对重叠区域图像进行扩展,采用多分辨率融合算法实现了非严格重叠区域的融合;在过渡区域采用加权平均算法来消除拼接线。结果 采用含有大量运动物体的图像序列对算法进行测试,实验结果表明,基于差分图像加权的最佳缝合线有效避开了大部分运动物体,当缝合线难以绕开运动物体时,能够尽量少地穿过运动物体;通过多分辨率和加权平均融合算法消除了拼缝等问题。结论 提出的最佳缝合线算法能够有效地避免缝合线通过运动物体、配准不准确的区域,将多分辨率图像融合算法应用于非严格重叠图像融合,能够合成高质量的全景图像。     

基于小波相似度加权的图像融合算法

为了获得较好的图像融合效果,针对传统相似度算法存在的不足,提出一种基于小波相似度加权的图像融合算法。采用小波相似度描述图像细节结构信息,并使用对比度敏感函数对不同尺度的小波系数进行加权,然后利用加权相似度对图像进行融合,最后采用仿真实验对算法性能进行测试。实验结果表明,该算法能够进一步衡量图像间的结构相似度,图像融合过渡效果更加自然,取得了优于传统相似度方法的融合效果。     

基于低分辨率图像融合的超分辨率恢复方法

提出一种基于多帧低分辨图像融合的超分辨率图像恢复算法。将多帧低分辨图像融合成一帧与高分辨图像分辨率一致的图像,并对其中一幅低分辨图像插值,形成迭代恢复算法的初始值,在此基础上以Tikhonov正则化方法求解原始高分辨图像。分析和实验结果表明,该算法具有良好的鲁棒性,并且计算速度较快。     

一种新的小波域快速搜索算法

经典快速搜索算法能够有效地降低搜索量,但其有选择地进行搜索容易陷入局部最优误差。多分辨率运动估计(MRME)、小波域多分辨率运动估计(WMRME)的提出能够在一定程度上降低局部最优误差,但也会相应增加运算量。基于传统小波域多分辨率运动估计,提出一种小波域越级多分辨率运动估计(WLMRME)算法,并在同传统小波域多分辨率运动估计比较时提出一种快速搜索算法评价标准。最后在数据比较中得出,相比传统WMRME而言,基于WLMRME的快速搜索算法能够在运算复杂度和视频编码效果中取得平衡。     

基于支持向量聚类的多聚焦图像融合算法

从无监督机器学习角度提出了一种基于SVC(support vector clustering)的图像融合规则,解决了基于SVM(support vector machine)的融合规则在处理多聚焦图像融合问题时所引起的区域混叠与非平滑过渡问题,进一步提高了融合图像的质量.使用非降采样离散小波变换对源图像进行多分辨率分解,基于网格提取源图像的特征.图像特征集合作为SVC的输入数据集,聚类结果最终由区域鉴别算法分配到两个区域:互补信息区域和冗余信息区域,并分别采用选择法和加权平均法生成融合图像的多分辨率表示,通过对这一多分辨率表示进行小波逆变换重构融合图像.详细研究了SVC的参数q与融合效果的评价参数RMSE之间的关系.理论分析及实验结果均表明,SVC用于图像融合问题是合适的,而且比较实验显示,基于SVC的融合规则优于基于SVM的融合规则.     

结合多分辨率与块分割的不同聚焦图像融合

提出了一种结合多分辨率与图像块分割的图像融合新方法。该方法除将多分辨率融合图像块作为可能位于源图像的模糊区域与清晰区域交界处位置的最终融合图像块之外,还将多分辨率图像融合方法获取的融合图像与源图像进行分块比较,选用与多分辨率融合图像块相似的源图像块作为最终融合图像块。实验结果表明,该方法能有效提高常用的多分辨率图像融合方法的融合效果。     

基于曲波变换的红外与可见光图像融合算法

针对小波不能有效捕捉图像轮廓的不足,提出一种基于第2代曲波变换的图像融合算法。近似分量计算采用加权平均融合规则,细节分量计算采用像素级多分辨率融合扩展框架和对比敏感带通函数融合规则。实验结果表明,该算法在保留源图像边缘轮廓、抑制噪声方面均优于小波,融合图像更符合人眼视觉特性。     

多分辨图像融合通用开发平台

多分辨图像融合是图像融合技术的一个研究热点，具有广泛的应用前景。为方便多分辨图像融合仿真应用系统的开发和对新融合算法的比较验证，提出了一个开放的多分辨图像融合应用与开发平台。该平台使用了一个新的通用的多分辨图像融合仿真模型，进行了详细的模块结构设计，并实现了12种典型的多分辨图像融合算法。在平台之上可以构筑相关工程应用仿真系统，也可方便地集成新的算法进行融合比较实验。最后为了验证平台功能，给出了一个工程应用实例和一个新融合算法的比较验证实例。     

基于小波变换的图像多尺度数据融合

现有的图像数据融合方法对目标检测并不十分满意，为了提高目标检测的分辨率，抑制每个传感器的检测噪声，提出一种基于小波谱换的图像数据融合新方法，在图像分解的高域风，选择多源图像绝对值较大的系数作为重要小波系数，在低频域内，新的逼近系统通过对多源图像的逼近系数进行加权平均得到，然后利用重要小波系数和加权逼近系数进行小波反变换，即可得到融合之后的图像，实验结果表明，基于小波变换的图像数据融合方法具有良好的效果，并用于广泛的研究领域。     

一种新的基于清晰度的多聚焦图像融合规则

针对多聚焦图像,融合过程采用计算单个象素的清晰度时考虑以该象素为中心的邻域,通过对两幅输入图像中的对应部分进行加权组合来形成融合图像。该文提出了一种新的基于清晰度的图像融合规则,即采用保形有理三次插值样条函数来构造权值进行融合,试验结果表明该文提出的方法对于严格配准的多聚焦图像的融合效果比基于多分辨率的小波分解的融合算法好。     

基于小波变换的多源图像数据融合与边缘检测方法

提出基于小波变换的多源图像数据融合和边缘检测的方法,对多源图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构实现多源图像数据融合。应用小波变换对融合图像进行多尺度边缘检测,获取多源图像边缘,或对多源图像进行小波多尺度边缘检测,然后融合边缘。     

基于卷积神经网络模型的医学图像融合

提出了一种新的基于卷积神经网络（CNN）和加权最小二乘法（WLS）的医学图像融合算法。算法主要步骤如下：利用滚动导向滤波（RGF）和高斯滤波（GF）构成的混合多尺度分解工具将源图像分解为基础层和一系列细节层,从而能够更好地保留尺度信息和边缘信息。基于卷积神经网络给出基础层融合规则,该规则能够更好地提取图像特征,使融合图像能够很好继承源图像结构信息、能量信息和强度信息。利用绝对值取大规则和加权最小二乘法优化策略,对细节层进行融合,使融合图像中包含更多的视觉细节信息和具有更高对比度。实验结果表明所提算法在视觉评价和客观评价方面与其他算法相比具有较好的优势,且在急性中风、致命性中风和脑膜瘤这三类疾病图像融合效果更为突出。     

一种基于提升小波变换的快速图像融合方法

目前，多尺度分解的方法已开始应用于图像融合．针对基于传统的多尺度分解的融合方法运算速度慢、对内存的需求量大，不适于实时应用的局限性，提出了一种新的基于提升小波变换的快速图像融合算法．多个源图像分别进行提升小波分解，使用恰当的融合规则合并各尺度对应的分解系数，通过提升小波逆变换得到复合图像，实验结果表明，提出的算法无论在执行时间还是融合后的图像质量上都优于传统的方法，有广泛的应用前景，特别适用于实时系统。     

一种用于图象恢复的数据融合算法研究

近年来多传感器数据融合技术在图象处理领域得到了广泛的重视和应用。鉴于来自同一景物的多幅变形图象,其来源不同,每幅图象都带有不同的噪声,针对这种图象的恢复提出了一种基于自组织特征映射神经网络的图象融合算法。该算法可分为3步,第1步是图象的预处理阶段,即对图象进行加权中值滤波,去除部分噪声;第2步利用自组织神经网络对每幅图象的象素进行聚类分析;第3步,对第2步得到的结果按照一定规则进行融合。仿真结果表明,该算法能明显提高图象质量。