基于抽样的正交多项式混合模型图像分割

针对有限混合模型中参数估计方法对先验假设存在过分依赖和图像数据量大的问题,提出了一种基于抽样的非参数余弦正交序列的图像混合模型分割方法.首先,基于图像的直方图进行分层随机抽样得到样本数据,根据样本数据构建非参数正交多项式混合模型,对于模型的平滑参数采用最小均方差方法进行估计;其次,采用NEM(Nonparametric Expectation Maximum)算法求解混合模型中正交多项式系数和模型的混合比;最后,根据贝叶斯准则进行图像分割.此方法能够克服参数模型的基本假设与实际的物理模型之间存在的差异,实验表明该方法比GMM和Hermite混合模型分割方法分割质量高,而且分割速度快.     

基于Legendre正交多项式非参数混合模型的图像分割

针对有限混合模型中参数估计方法对先验假设存在过分依赖的问题,提出了一种非参数的Legendre正交多项式图像混合模型分割方法。首先,设计了一种基于Legendre正交多项式的图像非参数混合模型,并用最小均方差(MISE)估计每一个模型的平滑参数;其次,利用EM算法求解正交多项式系数和模型的混合比。此方法不需要对模型作任何假设,可以有效克服模型失配问题。通过图像的分割实验表明,该方法比其他非参数混合模型分割效果更好。     

多元Chebyshev正交多项式混合模型及其在医学图像分割中的应用

针对原有一元正交多项式混合模型只能根据灰度特征分割图像的问题,提出一种基于多元Chebyshev正交 多项式混合模型的多维特征的医学图像分割方法。首先,根据Fouricr分析方法与张量积理论推导出图像的多元 Chcbyshcv正交多项式,并构建多元正交多项式的非参数混合模型,用最小均方差(MISE)估计每一个模型的平滑参 数;然后,用EM算法求解正交多项式系数和模型的混合比。此方法不需要对模型作任何假设,可以有效克服“模型失 配”问题。通过实验,表明了该分割方法的有效性。     

基于局部能量小波融合算法的研究

文章在综合分析小波分解变换图像融合方法的基础上,提出了一种采用基于区域的融合规则的小波分解法,该方法利用小波分解将原始图像分解为低频部分和高频部分,对于低频部分,采用了加权系数,对于高频部分不同的方向分量,根据局部能量,采用不同的融合规则。利用可见光图像与红外图像和高低分辨率图像进行了仿真实验,得出实验结果,运用客观评价指标验证了该方法的可行性。实验表明,该法具有比基于像素点的小波变换融合方法具有更好的融合效果。     

基于二类切比雪夫正交多项式非参数混合模型的图像分割

有参混合模型需要假设模型为某种已知的参数模型,而实际数据往往很难假设出这种参数模型的分布.为此,提出一种二类切比雪夫正交多项式的非参数图像混合模型分割方法.首先,设计出一种基于二类切比雪夫正交多项式的图像非参数混合模型,每一个模型的平滑参数根据误差方法和最小的准则进行计算.然后,利用随机期望最大(SEM)算法求解正交多项式系数和每一个模型的权重.此方法不需要对模型作任何假设,可以有效克服有参混合模型与实际数据分布不一致的问题.实验表明,该方法比高斯混合模型分割效率更高,并比其他非参数正交多项式混合模型有更好的分割效果.     

基于双正交多小波变换的多光谱与全色图像融合研究

针对多光谱与全色图像融合中存在的光谱扭曲问题,提出了一种利用双正交多小波进行多分辨率分析,并结合平均与选择法处理小波高频系数的融合算法。该算法首先对已配准的多光谱图像进行IHS变换,然后分别对变换得到的强度分量I与全色图像进行双正交多小波分解,为增强融合图像的空间信息,对分解得到的高频系数利用平均与选择相结合的方法来确定,低频系数则通过邻域方差准则得到。最后由新的小波低频和高频系数重构并进行IHS逆变换得到融合图像。实验结果表明,该方法可以有效减少光谱扭曲,并提高图像的空间分辨率,保留图像中的边缘细节。     

视觉显著性检测与金字塔变换相结合的图像融合

提出了一种利用人类视觉机制进行图像融合的算法。首先对源图像进行金字塔分解;接着对低频和高频分量采用不同的融合策略,低频分量依据最大显著性准则选择融合像素,高频分量利用相关性加权准则选择融合像素。初步融合后的低频和高频分量经金字塔重建获得最终融合结果。金字塔变换可提供多分辨率的图像表示,但不区分图像区域的重要性;而视觉显著性检测可定位图像最显著区域,但对噪声敏感;两算法的结合能取长补短,获得好的融合结果。实验表明,提出的方法优于已发表的其他基于金字塔变换的图像融合算法,适用于多聚焦图像、多波段图像和多光谱图像融合。     

基于小波包变换的遥感图像融合

提出一种基于小波包变换的遥感图像融合方法,融合时变换域内低频部分采用基于局部窗口能量方式,高频部分则采用基于极大值选择规则来计算融合系数.以同一目标的TM多光谱和SPOT全色遥感图像进行融合实验,实验结果表明,本文提出的方法使融合图像在提高空间分辨率的同时能较好地保留原始图像的光谱信息,有较好的融合效果.     

特征约束的多实例图像超分辨率方法

基于实例的图像超分辨率方法通过已知实例图像学习高低分辨率图像之间的关系模型,利用该模型预测未知高分辨率图像信息,具有较好的放大效果,但需要庞大的外部图像库.为此,提出一种特征约束的多实例图像超分辨率方法.首先提出特征约束多项式插值方法初始化高分辨率低频图像;其次以高、低分辨率图像的低频图像作为已知实例对,在低分辨率低频图像中,对高分辨率低频图像块采用自适应KNN搜索算法搜索相似图像块并得出回归关系模型;最后将该模型应用到低分辨率高频图像获取初始高分辨率图像所缺失的高频信息.大量实验结果表明,该方法产生的高分辨率图像可以较好地保持图像特征,具有较高的PSNR值及SSIM值.     

基于Sobel算子和局部能量的图像融合新算法

文中提出一种新的基于小波变换的图像融合算法,以提高图像融合质量。首先应用小波变换将图像分为高频和低频部分,再对小波的高频和低频系数采用融合算法进行处理,最终将处理后的高频和低频小波系数进行融合。文中对低频系数采用基于Sobel算子的方法,有效保留边缘特征。对高频系数采用基于局部能量取大准则,有效保留高频的细节和区域特征。为了抑制噪声和控制图像的不稳定性,最后再对低频和高频系数的选择结果进行邻域窗口的一致性检验与调整。与传统金字塔方法和经典小波变换相比较,实验结果表明此方法融合效果较好。     

基于多分辨率的医学图像区域融合算法

提出一种基于多分辨率的医学图像区域融合算法。对源图像进行多分辨率分解,考虑邻域系数的影响,基于局部绝对值选大的融合规则,进行高频带的融合。采用模糊C均值算法对熵值大的低频带进行区域分割,将区域映射到其他低频带中,利用EM融合算法融合各个区域。对融合系数进行重构,得到融合图像。实验结果表明,该算法的融合质量较优且效率较高。     

基于小波包变换的遥感图象融合

为了能够更好地把来自多传感器的图象信息综合起来，以提高对图象信息的分析和提取能力，在研究了小波包图象分析法之后，提出了一种基于小波包变换的图象融合方法，由于小波包变换能对图象进行多层次分解，包括对小波变换没有细分的高频部分也能进行进一步的分解，因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法，利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象，能够很好地将源图象的细节融合在一起，通过与该融合图象进行主观与客观的评价比较，证明该融合方法可以获得更好的融合效果。     

基于NSCT变换的红外与可见光图像融合技术研究

提出了一种基于非下采样Contourlet变换(NSCT)的红外与可见光图像的融合算法。采用对低频系数取平均,对高频系数中最大分解尺度选择系数最大值,其他尺度系数采用局部方差最大的规则,通过对所得到的融合系数进行逆变换即可得到融合后的图像。实验表明:该算法结合了NSCT的多尺度、多方向和平移不变性的优点,能够更好地提取源图像特征,增强融合图像的空间细节表现能力。融合后的图像具有较好的主观视觉效果,标准差和熵值较传统的融合方法有所提高。     

基于引导滤波和shearlet稀疏的遥感图像融合算法

针对遥感图像空间分辨率和光谱分辨率不可兼得的情况, 结合多尺度变换与稀疏表示,提出一种shearlet稀疏基与引导滤波共同作用的遥感图像融合算法。以IHS融合模型为基础,利用引导滤波作拟合处理,再用shearlet变换分解亮度图像和全色图像,得到图像的高低频子带系数。 对低频子图进行稀疏化处理并获取最优稀疏系数,稀疏系数以图像块活跃度取大的标准进行替换融合。 基于区域能量和区域方差融合处理对应的高频子图,再利用shearlet反变换获取融合结果。 实验结果表明,本文算法能提高图像清晰度以及光谱保留度,在图像完整度和细节考量上远好于其他算法。     

基于引导滤波和shearlet稀疏的遥感图像融合算法

针对遥感图像空间分辨率和光谱分辨率不可兼得的情况,结合多尺度变换与稀疏表示,提出一种shearlet稀疏基与引导滤波共同作用的遥感图像融合算法。以IHS融合模型为基础,利用引导滤波作拟合处理,再用shearlet变换分解亮度图像和全色图像,得到图像的高低频子带系数。对低频子图进行稀疏化处理并获取最优稀疏系数,稀疏系数以图像块活跃度取大的标准进行替换融合。基于区域能量和区域方差融合处理对应的高频子图,再利用shearlet反变换获取融合结果。实验结果表明,本文算法能提高图像清晰度以及光谱保留度,在图像完整度和细节考量上远好于其他算法。     

基于二维经验模式分解的医学图像融合方法

基于多尺度多分辨率的图像融合是医学图像融合的重要方法,二维经验模式分解（BEMD）方法是一种新的多尺度多分辨率图像分解方法. 本文提出了一种基于BEMD的医学图像融合方法. 首先将待融合的两幅图像进行BEMD分解,获得多个BIMF分量和一个剩余分量;然后针对BIMF分量和剩余分量采用不同的融合规则进行图像融合;最后对融合后的各分量进行BEMD逆变换,得到最终的融合结果. 实验结果表明,本文方法可得到较好的融合效果,融合图像清晰,含有的更多信息.     

基于多分辨率分割的区域图像融合

图像融合是一项综合同一场景的多幅源图像信息的技术.现有的区域图像融合方法或者是只对最高层低频带分割并以此分割信息来指导所有层的融合,或者是其多分辨率分割方法过于复杂难以满足实时性.鉴于此,该文发展了一种基于多分辨率分割的区域图像融合方法.它的主要特点是多分辨率分割.其步骤为:首先对源图像进行小波变换的多分辨率分解,然后对分解后每一层的低频图像都进行区域分割,最后用每一层分割得到的区域信息来分别指导每一层的融合.仿真表明该文发展的基于多分辨率分割的区域图像融合方法的融合性能要优于传统的基于窗口的图像融合方法和只对最高层低频带分割的区域图像融合方法.     

一种自适应的基于局部小波系数特征的遥感图像融合方法

光谱保持和高分辨率保留是影像融合的两个重要问题。本文提出了一种自适应的基于局部小波系数特征的遥感影像融合方法。该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行小波多分辨率分析,而后对分解得到的近似分量以及各层各方向的细节分量利用移动模板逐一提取对应的小波系数矩阵的局部特征,采用本文提出的自适应融合准则在小波域进行影像融合,最后通过小波逆变换得到新的I′分量,与H,S分量一起还原到RGB空间,最终得到融合后的高分辨率多光谱彩色图像。本文采用一组TM多光谱图像和SPOT全色图像数据进行融合实验,利用标准差、熵,光谱扭曲度等5个重要评价指标对融合效果进行数理分析。其实验融合图像的目视效果和统计指标均优于IHS融和方法和小波融合方法。     

基于小波图像融合算法和改进FCM聚类的MR脑部图像分割算法

针对很多基于模糊C均值(FCM)的图像分割算法存在对噪声敏感和分割轮廓不清晰等问题,提出一种基于小波变换图像融合算法和FCM聚类算法的MR医学图像分割算法。在图像分割系统的第一阶段,利用Haar小波多分辨率特性保持像素间的空间信息;第二阶段,利用小波图像融合算法对得到的多分辨率图像和原始图像进行融合,进而增强被处理图像的清晰度并降低噪声;第三阶段,利用改进型FCM技术对所处理的图像进行分割。在BrainWeb数据集上进行实验,与现有相关算法相比,提出的算法具有较高的分割精度,且对噪声的鲁棒性比较强,处理时间也没有明显增加。     

一种基于小波变换的图像融合方法

提出了一种小波多分辨率分解的图像融合方法。该方法首先利用小波变换将图像分解为不同分辨率、不同方向的分量，然后利用系数绝对值取大和基于局部方差最大化的融合规则得到融合图像的小波系数，最后通过逆小波变换得到融合图像。实验结果表明，该方法是有效的。