基于四通道不可分加性小波的多光谱图像融合

针对张量积小波不具有对称性,在图像融合中难以获得高空间分辨率图像的问题,文中提出了伸缩矩阵为[2,0;0,2],且具有紧支撑、对称性和正交性的不可分小波的一种构造方法,并把此类小波应用于多光谱图像与高分辨率图像的融合中.利用矩阵扩充方法设计了4通道6×6对称的不可分小波滤波器组,并构造出多组滤波器组,利用此类滤波器组中的低通滤波器对图像进行加性分解与重构;对QuickBird及其它类多光谱图像与高分辨率图像的融合进行了研究,提出了3种融合模式NAWS、NAWRGB和NAWL.对这些模式进行了实验研究,并采用客观性能指标对融合结果图像进行了客观评价.实验结果表明,该方法对多光谱图像与高分辨率图像的融合有较好的融合效果,与张量积小波的融合方法、可分的加性小波融合方法和二通道不可分加性小波融合方法相比,该方法在保持图像的高空间分辨率方面有优越的性能,能从原图像中获得更多的信息.同时该方法又能保持较好的多光谱信息.     

非下采样三通道不可分小波的多聚焦图像融合

针对可分小波多聚焦图像融合方法存在的不足,提出了一种基于非下采样三通道不可分小波的融合方法。根据不可分小波理论,构造了一组3通道4×4的不可分小波滤波器组,并把此滤波器组应用于多聚焦图像融合中。实验结果表明,该方法对多聚焦图像的融合有较好的融合效果,其融合性能好于采用相同融合算法的基于张量积小波的融合方法。     

基于具有对称性不可分小波的多聚焦图像融合

针对可分小波多聚焦图像融合方法存在的不足,提出一种基于四通道不可分小波的多聚焦图像融合方法。首先根据不可分小波理论,构造出一组二维四通道4×4具有对称性的不可分小波滤波器组;然后利用此滤波器组对参加融合的图像进行滤波,低频部分采用简单的加权平均算法,高频部分采用局部窗口能量取大的融合算法对分解后的系数图像进行融合;最后对图像进行重构,并采用熵、平均梯度等指标对融合结果图像进行了评价。实验结果表明,该方法对多聚焦图像的融合有较好的融合效果,与采用相同融合算法的基于可分小波的融合方法相比,能更好地突出低频域边缘细节信息,得到更为清晰的融合结果图像。     

不可分拉普拉斯金字塔构造及其在多光谱图像融合中的应用

针对拉普拉斯塔形（LP）变换在图像融合中具有高频信息损失严重且缺乏平移不变性的问题，利用不可分小波具有平移不变性和能够准确描述图像细节信息的特点，提出一种新的非采样不可分拉普拉斯金字塔构造方法，并将该构造方法应用于多光谱图像融合中。首先，构造六通道不可分低通滤波器，利用该滤波器构造多光谱图像和全色图像的非采样不可分小波塔形分解，进而对图像进行非采样不可分拉普拉斯塔形分解；然后，针对不同的分解层采用不同的融合规则进行融合；最后，根据不可分拉普拉斯重构算法进行重构，即可得到融合后的图像。实验结果表明，与离散小波变换（DWT）的融合方法、基于Contourlet变换（CT）的融合方法以及基于直方图中轴化（MHE）的融合方法对比，所提方法在保持原全色图像空间分辨率的评价指标空间相关系数上分别提高了1.84%、1.56%和11.06%，在光谱信息保持程度的评价指标相对整体维数综合误差上分别降低了49.26%、48.15%和89.19%。该方法所得图像在获得好的光谱信息的同时有效地提高了空间分辨率，较好地保留了图像的边缘信息与结构信息。     

基于Log-Gabor滤波的小波显微图像融合

针对现有图像融合方法对纵向覆盖范围较大的显微样本的图像融合效果不理想的问题,提出了一种序列显微图像融合方法.该方法以小波变换方法为基础,利用区域Log-Gabor滤波方法设计尺度系数的融合规则,既使融合后的图像不会产生块效应,又避免了以往的小波方法造成的过度模糊现象.讨论了方法中的参数设置对融合结果的影响,实验结果表明,与其它融合方法相比该方法的融合效果更好.     

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。     

小波变换和清晰块搜索结合的图像融合算法

在基于小波变换的多聚焦图像融合中,低频系数选取决定融合图像的轮廓,同时影响融合图像的边缘细节,因此小波变换法是以损失图像的局部清晰来换取整幅图像的平均清晰;而基于空域块选择的融合方法能很好地保留利用聚焦图像的清晰部分,但是图像模糊区域效果不佳。因此提出一种新的融合算法,先对图像进行小波变换融合,之后对原图像进行清晰块搜索,进行基于清晰块选择的图像融合。实验结果表明,该算法融合结果优于单一的小波变换算法。     

基于HSV和红黑小波变换的多光谱图像融合

提出一种基于HSV和红黑小波变换的多光谱图像融合方法。对多光谱图像进行HSV变换,将得到的明度分量和全色图像做多尺度红黑不可分小波分解。采用不同的融合算子对高低频分量进行融合,对融合后的图像进行红黑重构和HSV逆变换得到融合结果,并采用客观性能指标对融合结果进行评价。实验结果表明,该方法对多光谱图像和高空间分辨率图像有较好的融合效果。     

免疫粒子群优化算法在图像融合中的应用

提出了一种基于图像分块的小波多聚焦图像融合方法,并将免疫粒子群优化搜索策略应用于多聚焦图像融合子块寻优中。将图像子块作为粒子,以寻求最优组合分块形成的融合图像。利用两种评价参量,即信息熵和交叉熵进行不同图像融合方法的分析及效果评价,实验结果表明,其融合性能优于对图像只进行分块而不作小波分解的融合方法和只作小波分解而不进行分块的融合方法,该方法既能消除块痕迹,又能节约运算量,取得了很好的融合效果。与标准粒子群相比,免疫粒子群的收敛性能和达优率更好。     

基于PCA与小波变换的彩色图像融合算法

针对多聚焦彩色图像融合问题,提出了一种基于PCA与小波变换的多聚焦图像融合算法.首先,利用主元分析和离散小波框架变换算法,将图像分为清晰块与模糊块;然后对于清晰块,直接选取该块作为融合后的相应块区域;对于模糊块,则建立了基于点特征值的像素选取方法,分别从两幅待融合图像中选取特征值较大的点作为融合结果的像素点,从而得到最终的融合结果图.实验结果表明,所提出的方法能够较好地解决彩色多聚焦彩色图像融合问题,融合效果较为理想.     

一类二维小波构造及在图像融合中的应用

论文提出了一类新的小波-具有紧支撑、线性相位和正交性、伸缩矩阵为200的非张量积小波的一种构造方法,并把此类小波应用于多聚焦图像融合中。首先根据非张量积小波理论,提出了一种设计4通道6×6对称的非张量积小波滤波器组的方法,并用此方法设计出多组具有紧支撑、线性相位和正交性的非张量积小波6×6滤波器组,利用此类滤波器组对参加融合的图像进行滤波;然后利用基于张量积小波的图像融合常用的三种融合规则对图像进行融合。通过研究发现:无论利用三种规则的哪一种对多聚焦图像进行融合,基于该文构造的非张量积小波的融合方法都可得到较好的融合效果。作为例子选用对低频部分和高频部分均采用基于局部窗口激活度量取大的融合算法对分解后的系数图像进行融合;最后重构。并采用熵、均方根误差等指标对融合结果图像进行了评价,实验结果表明,该方法对多聚焦图像的融合有较好的融合效果。其融合性能好于采用相同融合算法的基于张量积Haar小波的融合方法和基于不对称的非张量积小波融合方法。     

Image fusion method based on nonseparable wavelets

This paper presents an image fusion method based on a new class of wavelet - nonseparable wavelet with compact support, linear phase, orthogonality, and dilation matrix . We first construct a 6 x 6 nonseparable wavelet filter bank. Using these filters the images involved are decomposed into nonseparable wavelet pyramids. Then the following fusion algorithm is proposed: for the low-frequency part, we select the average of the low-frequency subimages from both sensors. For every high-frequency subimage of each level, we select the absolute value of each pixel of the high-frequency subimage to form a new subimage, and the variance of each image patch over a 3 x 3 window in the new subimages is computed as an activity measurement. If the variance of the 3 x 3 window in one new subimage is greater than the variance of the corresponding 3 x 3 window in the other new subimage, then the center pixel value of the 3 x 3 window is selected as a new pixel value of the fused image. A new fused image is then reconstructed. The performance of the method is evaluated using entropy, root mean square error, and peak-to-peak signal-to-noise ratio. The experimental results show that this method has good vision effect. Because the nonseparable wavelet transform can extract more details from source images, all the features in the source images can be seen in the fused image, and the fused image can extract more information from the source images.Received: 5 July 2003, Accepted: 29 November 2004, Published online: 25 February 2005This research was support by NSFC under project 60085002     

基于平均梯度和方向对比度的图像融合方法

由于不同传感器获得的多幅图像对同一场景的描述具有信息的冗余性和互补性,在小波图像融合的基础上提出了一种基于平均梯度和方向对比度的图像融合方法。对参加融合的两幅图像进行小波多尺度分解,在每幅图像的最高分解层上,分别计算高频子带每个系数的邻域绝对值均值和低频系数的邻域均值之比,采用两者之比较大者所对应的高频子带系数作为融合后所对应的小波系数,对于其他分解层上的高频系数和低频系数,利用梯度最大化的融合规则得到融合图像的小波系数,通过小波重构得到融合图像。将该方法应用于仿真实验,融合图像的视觉效果有很好的改善,客观评价指标有所提高。     

一种基于小波方向对比度的多聚焦图像融合方法

人类视觉系统对于图像的局部对比度非常敏感,如果把小波变换和方向对比度结合起来,融合效果可能更好。在研究了方向对比度后提出了一种新的基于小波方向对比度的多聚焦图像融合方法。首先对参加融合的两幅图像进行小波多尺度分解,然后在每幅图像的每个分解层上,分别计算高频子带每个像素的邻域均值和低频子带的邻域均值之比,其中该分解层的低频子带是由上个分解层的低频子带和高频子带求2维离散小波逆变换得到,采用两者之比较大者所对应的高频子带系数作为融合后对应的小波系数,然后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数求2维离散小波逆变换,最终得到融合后的图像。这种方法考虑了邻域内像素的相关性,减少了融合像素的错误选取。实验结果表明,该方法的融合效果比针对每个像素求小波方向对比度的多聚焦图像融合方法的融合效果得到提高。     

基于形态Haar小波变换的多聚焦图像融合

针对多聚焦图像融合问题,提出一种基于形态Haar小波分解和重构的新方法。通过形态Haar小波分解源图像,在低频分量中保留图像边缘和细节,并采用加权平均法进行融合。高频分量先经Gauss滤波去除噪声和边缘效应,再按取大值的原则进行融合。结合形态Haar小波重构融合后的高低频系数获得融合图像。实验结果表明,该方法能最大限度地保留图像边缘和细节信息,与总体平均法和小波变换法相比,融合图像的熵较大,总体交叉熵较小。     

Remote sensing image fusion using the curvelet transform

This paper presents an image fusion method suitable for pan-sharpening of multispectral (MS) bands, based on nonseparable multiresolution analysis (MRA). The low-resolution MS bands are resampled to the fine scale of the panchromatic (Pan) image and sharpened by injecting highpass directional details extracted from the high-resolution Pan image by means of the curvelet transform (CT). CT is a nonseparable MRA, whose basis functions are directional edges with progressively increasing resolution. The advantage of CT with respect to conventional separable MRA, either decimated or not, is twofold. Firstly, directional detail coefficients matching image edges may be preliminarily soft-thresholded to achieve a noise reduction that is better than that obtained in the separable wavelet domain. Secondly, modeling of the relationships between high-resolution detail coefficients of the MS bands and of the Pan image is more fitting, being accomplished in the directional multiresolution domain. Experiments are carried out on very-high-resolution MS + Pan images acquired by the QuickBird and Ikonos satellite systems. Fusion simulations on spatially degraded data, whose original MS bands are available for reference, show that the proposed curvelet-based fusion method performs slightly better than the state-of-the art. Fusion tests at the full scale reveal that an accurate and reliable Pan-sharpening, little affected by local inaccuracies even in the presence of complex and detailed urban landscapes, is achieved by the proposed method.     

一种基于正交小波包分解和2v-SVM的医学图像融合新方法

针对现有的图像融合算法在特征表达及信息取舍上的局限性,提出了一种基于正交小波包分解和2v-SVM的医学图像融合新算法.采用正交小波包将图像信号频带进行多层次分解,提取特定的频率成分,对低频分量节点逼近系数采用本文提出的基于2v-SVM的线性加权融合算子处理,结合两幅图像中大的高频分量节点逼近系数构成新的节点系数矩阵,最后通过小波包重构得到融合后的图像.实验结果证明了该方法的有效性和优越性.     

Image fusion using intuitionistic fuzzy sets

Image fusion is the process of combining one or more images which are obtained from different environment into a single image which is more useful for further image processing tasks. Image registration and image fusion are of great importance in defence and civilian sectors, particularly for recognizing a ground/air force vehicle and medical imaging. In this paper a new way is drawn to fuse two or more images by using maximum, minimum operations in intuitionistic fuzzy sets (IFSs). IFSs are more suitable for image processing since every digital image have lot of uncertainties. In processing phase, images are reformed into intuitionistic fuzzy images (IFIs). Entropy is employed to obtain the optimum value of the parameter in membership and non-membership function. Then the resulting IFIs are disintegrated into image blocks and the corresponding blocks of the images are reunioned by finding the count of blackness and whiteness of the blocks. This paper evaluates the performance of simple averaging (AVG), principal component analysis (PCA), discrete wavelet transform (DWT), stationary wavelet transform (SWT), dual tree complex wavelet transform (DTCWT), multi-resolution singular value decomposition (MSVD), nonsubsampled contourlet transform (NSCT) and IFS (proposed method) in terms of various performance measure. The experimental and comparison results show that luminance and contrast is of great importance for image processing and prove that the proposed method is better than all other methods.     

核Fisher判别分析在多聚焦图像融合中的应用

提出一种基于核Fisher判别分析与图像块分割的多聚焦图像融合方法。该方法首先将源图像进行块分割,计算反映图像块聚焦程度的清晰度特征;再将源图像的部分区域作为训练样本,获得训练后的核Fisher判别分析参数;然后利用已知的核Fisher判别分析获得初步融合图像;最后对位于源图像清晰与模糊区域交界处的源图像块利用冗余小波变换进行处理后,得到最终融合图像。实验结果表明,该方法的图像融合效果优于常用图像融合方法,可在有效提高图像融合质量与减少计算量之间获得较好的折衷。