基于金字塔和HIS变换的图像融合研究

主要研究了基于拉普拉斯金字塔分解和HIS变换的图像融合方法,并将其应用于全色图像和光谱图像的融合中.通过对matlab仿真实验结果进行多种图像评价分析表明,该方法所获得的融合图像不仅保留全色图像中的细节信息同时还包含丰富的光谱信息,融合效果良好.     

基于拉普拉斯金字塔变换的电力图像融合

提出了一种改进的拉普拉斯金字塔算法。为了防止目标信息丢失,该算法对顶层采用经过遗传算法优化的加权融合方法,对其它层采用加入相位信息的区域能量融合方法。实验结果表明该算法能保留较多的图像细节信息,增强图像清晰度,方便目标检测。     

视觉显著性的眼底图像视盘检测

目的 青光眼是导致失明的主要疾病之一,视盘区域的形状、大小等参数是青光眼临床诊断的重要指标。然而眼底图像通常亮度低、对比度弱,且眼底结构复杂,各组织以及病灶干扰严重。为解决上述问题,实现视盘的精确检测,提出一种视觉显著性的眼底图像视盘检测方法。方法 首先,依据视盘区域显著的特点,采用一种基于视觉显著性的方法对视盘区域进行定位;其次,采用全卷积神经网络（fully convolutional neural network,FCN）预训练模型提取深度特征,同时计算视盘区域的平均灰度,进而提取颜色特征;最后,将深度特征、视盘区域的颜色特征和背景先验信息融合到单层元胞自动机（single-layer cellular automata,SCA）中迭代演化,实现眼底图像视盘区域的精确检测。结果 在视网膜图像公开数据集DRISHTI-GS、MESSIDOR和DRIONS-DB上对本文算法进行实验验证,平均相似度系数分别为0.965 8、0.961 6和0.971 1;杰卡德系数分别为0.934 1、0.922 4和0.937 6;召回率系数分别为0.964 8、0.958 9和0.967 4;准确度系数分别为0.996 6、0.995 3和0.996 8,在3个数据集上均可精确地检测视盘区域。实验结果表明,本文算法精确度高,鲁棒性强,运算速度快。结论 本文算法能够有效克服眼底图像亮度低、对比度弱及血管、病灶等组织干扰的影响,在多个视网膜图像公开数据集上进行验证均取得了较好的检测结果,具有较强的泛化性,可以实现视盘区域的精确检测。     

基于金字塔变换的图像融合方法

图像融合的目的是综合各个图像的互补信息,合并成一个新图像来改善图像的视觉效果,获得对同一场景更为准确、全面、可靠的图像描述.目前图像融合中常用的方法有加权平均法、调制法、小波变换法、HIS假彩色法等.文中提出一种新的图像融合方法:首先利用拉普拉斯金字塔分解方法对原始图像进行多分辨率分解,然后采用基于区域特征量测的方法对分解后的各层图像进行融合,在此基础上,对融合金字塔做拉普拉斯金字塔反变换得到最后的融合图像.通过实验,证明了该方法能够取得很好的融合效果,融合质量优于其他几种方法.     

基于卷积神经网络与视觉显著性的图像融合

传统的红外与可见光图像融合方法,多数需要手动提取特征且特征提取单一。而深度学习可以自动选择图像特征,改善特征提取的单一性,因此提出一种基于卷积神经网络与视觉显著性的红外和可见光图像融合方法。利用卷积神经网络获得红外目标与背景的二分类图;利用条件随机场对分类图进行精分割得到显著性目标提取图;采用非下采样轮廓波变换并结合目标提取图,得到融合图像。实验结果表明,该方法在主观视觉和客观评价方面均优于传统非智能方法,并且5个客观评价指标(边缘信息保留量,结构相似度,互信息,信息熵和标准差)均有显著提高。     

IHS变换与小波变换相结合的图像融合新方法*

提出了一种IHS变换与小波变换相结合的图像融合新方法。对多光谱(TM)图像的强度分量和全色(PAN)图像分别进行小波分解,根据小波变换高低频分量的不同特点,分别采取不同的高低频融合准则形成新的小波高低频分量,再先后进行小波逆变换和IHS逆变换得到融合后的TM图像。实验结果表明,提出的图像融合算法明显改善了融合图像的客观评价和主观视觉效果。     

基于AC图像显著性的皮革缺陷检测

皮革缺陷检测是皮革生产过程中极为重要的一道工序,现有技术在检测效率和准确率方面仍存在较大挑战。利用红外热成像和图像融合技术提出一种基于图像显著性的皮革缺陷检测方法。首先采用拉普拉斯金字塔将自然光图像和红外热成像图像分解,基于融合规则对不同图层融合并重构融合图像。提出一种改进的AC显著性检测算法对融合图像生成显著图,并利用最大类间阈值分割算法检测其中缺陷。实验结果表明,相比传统方法该算法可检测出皮革孔洞和表面缺陷,缺陷分割完整、轮廓清晰,检测精度可达87.7%,平均交并比为0.8654,虚警率为4%。     

基于易操纵金字塔的多传感器图像融合

针对目前传统方法在图像未完全配准时融合效果差的问题,提出了一种基于易操纵金字塔的多传感器图像融合方法。首先,对多光谱图像进行易操纵金字塔分解;然后,恰当地合并分解得到子带图像系列来构造融合图像对应的易操纵金字塔,并通过逆变换重构融合后图像。最后利用熵和空间频率对该方法的融合性能进行了评估分析,并与基于拉普拉斯变换和小波变换的图像融合方法进行了比较。实验结果表明,该方法综合性能优于基于拉普拉斯变换和基于小波变换等传统图像融合方法,图像未完全配准情况下也能获得好的融合效果。     

基于图像金字塔的分维融合算法

数据融合是进行目标检测和识别的重要技术之一,但是在融合过程中不可避免地会产生信息损失。如何保留尽可能多的有用信息,关键在于融合算法的选取。由于图像金字塔中不同级的图像之间具有自相似性,而自相似性又是分形分维的基础。于是,根据图像金字塔的特点,提出了一种新的图像融合方法——基于图像金字塔的分维融合算法,将不同源图像分别分解成不同尺度的金字塔图像序列,在相应的尺度上以分形分维作为权系数进行融合,并采用中波红外和长波红外图像作为源图像进行融合实验,实验结果表明该方法是可行的。     

基于视觉显著度的多聚焦图像融合方法

多聚焦图像存在聚焦区和离焦区,聚焦区通常吸引人的注意力,具有突出的视觉显著性。传统融合算法缺乏对聚焦区域的定位能力,对多聚焦图像融合的适应性普遍较差。为此,提出一种模拟人类视觉注意机制的多聚焦图像融合方法。利用谱残差算法计算源图像的显著度图,通过判断不同源图像相同位置上的像素显著性,选择显著度大的图像像素组成该源图像的聚焦区,显著度相等的像素构成边界带,使用腐蚀膨胀操作消除聚焦区内的孤立像素点,以每幅源图像的聚焦区域和梯度值较大的边界带像素作为融合图像的像素。实验结果表明,该方法能自主选择清晰像素,获得37d B以上的高峰值信噪比,且基本无参数设置,在不同类型图像融合中均表现出较强的鲁棒性。     

结合区域特性和非子采样SPT的图像融合方法

针对基于方向可控金字塔变换的图像融合方法中存在的缺点与不足,提出了一种基于区域特性和非子采样方向可控金字塔变换(NSSPT)的图像融合方法.首先采用NSSPT对源图像进行多尺度、多方向分解,得到低频子带、高频子带以及各方向带通子带系数;然后,针对高频和带通子带系数的选择,结合各子带图像的区域特性,给出了一种基于区域均值能量匹配的"加权平均"与选择相结合的系数融合策略;而对于低频子带系数则给出一种基于灰度均值偏差的选择与加权平均的系数选择方案,得到了融合图像的NSSPT系数.最后,经过NSSPT逆变换得到融合图像.对多组不同的源图像进行融合实验仿真,实验结果表明该方法可以避免"人为"效应或高频噪声的引入,能够获得视觉效果更佳、细节更为丰富的融合图像,其融合效果要优于基于传统的金字塔变换、小波变换以及方向可控金字塔变换的图像融合方法.     

基于小波变换和引导滤波的多聚焦图像融合

为了进一步提高多聚焦图像融合效果,提出了一种基于小变换和引导滤波的多聚焦图像融合方法。对源图像进行二维小波分解,得到低频子带系数和高频子带系数。对低频子带系数采用引导滤波加权融合;对高频子带系数引入最大对称环绕显著性检测算法(Maximum Symmetric Surround Saliency Detection Algorithm,MSSS),归一化显著图得到权重图,进而进行加权融合。把得到的高频和低频子带系数进行小波重构,得到最终的融合图像。实验结果表明,与其他算法相比,所提算法具有更好的清晰度,得到较好的融合结果。     

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。     

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.     

基于方向可调的不可分离小波框架变换图像融合检测方法

针对复杂的中长波红外图像的特点,论文提出了一种基于方向可调的不可分离小波框架变换红外图像融合检测方法。首先,对图像进行不可分离小波变换分解,提取两幅图像的低频和高频,分别对高频和低频信息进行融合,并用逆变换重构成融合后的图像。对融合后的图像进行目标检测得出最终结果。实验结果表明文中提出的方法优于仅用长波或中波红外图像的目标检测。     

基于LP融合和亮度变换的图像增强

将图像融合与亮度变换结合,提出一种图像增强的新方法。该方法利用拉普拉斯塔融合,在亮度变换中引入克隆选择算法优化参数,取得较好的增强效果。与PCA方法和小波方法相比,图像的信息熵保持在较高水平,平均梯度值分别提高3．28和0．14左右,标准差平均提高6．92和5．14左右。     

基于Curvelet变换的图像融合方法

提出一种基于Curvelet变换和特征量积的图像融合方法。对2幅图像进行Curvelet变换,低频部分采用加权平均的融合算法,高频采用基于特征量积的加权融合算法,从而实现Curvelet系数的融合,并重构得到融合图像。对多聚焦图像进行实验,利用梯度结构相似度、空间频率、峰值信噪比进行评价,实验结果表明,该方法能够取得较好的效果。