基于小波变换的红外显微图像融合

图像融合是指把来自多传感器数据的互补信息合并形成一幅新的图像,以便达到进行目标监视与识别等目的。本文提出了基于小波变换的图像融合方法,并分析了可见光与红外的显微图像的融合结果。结果融合效果不错,结果图像比较清晰,在一图像中即可得到比较完整的信息。因而,这一方法具有广阔的应用前景。     

利用Matlab实现基于小波变换的遥感图像融合

为了更好地进行不同分辨率图像的融合,提出了一种在Matlab平台上实现基于小波变换的多光谱图像与高分辨率图像融合方法.实验结果分析表明,得到的融合图像与原多光谱图像相比,细节信息更为突出,整体信息更为丰富,基本达到了提高融合增强的目的.     

基于小波变换的CT和MR图像融合

在临床医学上,CT图像和MR图像分别从不同的角度反映人体信息,将两者融合到一张图像上全面反映人体信息有很大的实用价值.提出了基于小波变换的区域平均梯度最大值融合方法,用实验结果对该方法和其它常用的几个基于小波变换的融合方法进行了比较,并从主观和客观两个方面进行评价,结果表明运用该融合方法进行图像融合取得了良好的效果,融合图像的质量要高于其它几种方法的融合质量.     

基于FPDE的红外与可见光图像融合算法

针对传统红外与可见光图像融合算法中存在的细节信息不够丰富, 边缘信息保留不够充分等问题, 文中提出了一种基于四阶偏微分方程(Fourth-order partial differential equation, FPDE)的改进的图像融合算法.算法首先采用FPDE将已配准的红外与可见光图像进行分解, 得到高频分量和低频分量; 然后, 对高频分量采用基于主成分分析(Principal component analysis, PCA)的融合规则来得到细节图像, 对低频分量采用基于期望值最大(Expectation maximization, EM)的融合规则来得到近似图像; 最后, 通过组合最终的高频分量和低频分量来重构得到最终的融合结果.实验是建立在标准的融合数据集上进行的, 并与传统的和最近的融合方法进行比较, 结果证明所提方法得到的融合图像比现有的融合方法能有效地综合红外与可见光图像中的重要信息, 有更好的视觉效果.     

一种基于IHS和DWT变换的遥感图像融合方法

为了更好地进行不同分辨率图像的融合,提出了一种在Maflab平台上实现基于IHS变换与离散小波变换相结合的多光谱图像与高分辨率图像融合方法.实验结果分析表明,得到的融合图像与原多光谱图像相比,细节信息更为突出,整体信息更为丰富,基本达到了提高融合增强的目的.     

基于语义分割的红外和可见光图像融合

红外图像即使在低光照条件下,也能根据热辐射的差异将目标与背景区分开来,而可见光图像具有高空间分辨率的纹理细节,此外,红外和可见光图像都含有相应的语义信息.因此,红外与可见光图像融合,需要既保留红外图像的辐射信息,也保留可见光图像的纹理细节,同时,也要反映出二者的语义信息.而语义分割可以将图像转换为带有语义的掩膜,提取源图像的语义信息.提出了一种基于语义分割的红外和可见光图像融合方法,能够克服现有融合方法不能针对性地提取不同区域特有信息的缺点.使用生成式对抗神经网络,并针对源图像的不同区域设计了2种不同的损失函数,以提高融合图像的质量.首先通过语义分割得到含有红外图像目标区域语义信息的掩模,并利用掩模将红外和可见光图像分割为红外图像目标区域、红外图像背景区域、可见光图像目标区域和可见光图像背景区域;然后对目标区域和背景区域分别采用不同的损失函数得到目标区域和背景区域的融合图像;最后将2幅融合图像结合起来得到最终融合图像.实验表明,融合结果目标区域对比度更高,背景区域纹理细节更丰富,提出的方法取得了较好的融合效果.     

基于深度卷积特征提取的红外与可见光图像融合方法

目前多数红外与可见光图像融合算法在融合过程中通常需要对源图像进行分解,这样易导致融合图像细节模糊和显著性目标丢失.为解决该问题,提出一种基于深度卷积特征提取的红外与可见光图像融合方法.首先,利用迁移学习理论对EfficientNet特征提取性能进行分析,选择7个特征提取模块;然后,直接将源图像送入特征提取模块以实现显著性特征提取;接着,构造通道归一化和平均算子操作用于获取显著图,再使用Softmax与Up-sampling组合的融合规则来得到融合权重,将融合权重与源图像进行卷积,生成7幅候选融合图像;最后,将候选融合图像的像素最大值作为最终的重构融合图像.所有实验均在公共数据集上进行,并与经典的传统和深度学习方法比较,主客观实验结果均表明,所提出方法能够有效地融合红外与可见光图像中的重要信息,突显融合图像的细节纹理,具有更好的视觉效果和更少的图像伪影以及人工噪声.     

图像融合的非负线性混合模型与算法研究

本文提出了一种适用于像素级图像融合的非负线性混合模型,该模型的意义在于任何像素级图像融合问题都可以用此形式化模型来表示.针对实际融合问题,根据实际情况对模型进行具体化或者简化,就能够得到具体融合问题的融合算法.在此基础上,根据图像融合的实际问题,本文给出了该模型的一种简化模型,并对简化模型的求解问题进行了深入研究.通过将简化后的模型转化为具体的优化问题,给出了一种快捷的图像融合迭代算法.所求出的图像融合结果综合了源图像中的特征信息,使得融合图像的特征信息损失较少,更接近于理想的真实图像.该方法的收敛性可以保证,是对现有图像融合方法的补充,能够应用于多种实际的图像融合处理中.大量的实验并与其他的融合算法的比较分析表明了本文算法的有效性和优越性.     

多源遥感图像融合方法研究

研究多源遥感图像的融合技术,针对不同传感器获取的遥感图像像素信息有很大差异.当所要融合的图像是多源遥感图像时,应提取多图像的有效信息,组合出高质量的图像.传统IHS图像融合方法无法避免多源图像像素不匹配带来的有效像素丢失,造成融合图像模糊,清晰度不高的问题.提出一种基于Contourlet变换的遥感图像融合方法,通过对图像进行Contourlet变换后提取各源图像的特征信息,并计算提取特征所包含的信息量,选取高信息景的特征进行融合,最后通过进行Contourlet逆变换即得到多源融合图像,利用信息量融合配准的方法就避免了直接对不匹配像素运算而造成的有效像素丢失.实验证明,改进的优化融合方法能够保留图像的有效信息,得到高清晰度的融合图像.     

基于Contourlet变换的多波段SAR图像融合

针对不同波段SAR图像的融合，该文提出了一种在Contourlet变换域融合的方法，利用Contourlet变换的充分表示图像边缘信息的能力，将图像分解为低通系数和不同方向的高频系数，对方向高频系数定义一个边缘信息量测指标，选择量测指标大的系数作为融合系数，解决了小波变换融合中图像边缘信息容易丢失的问题。通过对两波段SAR图像进行融合实验并与小波变换融合结果比较，在视觉特性与统计因子客观评价上均取得了更好的效果。