多光谱图像与全色图像的像素级融合研究

以高空间分辨率的全色图像与高光谱分辨率的多光谱图像进行像素级双源融合为例，详细地总结了卫星多源遥感图像融合领域像素级融合的步骤、基本融合模型和优缺点，重点分析了各种常见像素级融合方法的原理和特点，并归纳了像素级融合结果的主客观评价标准和评价方法，以及像素级融合的主要应用领域，最后讨论了像素级融合目前存在的问题和今后的发展方向。     

多尺度变换像素级医学图像融合：研究进展、应用和挑战

基于多尺度变换的像素级图像融合是计算机视觉领域的研究热点,广泛应用于医学图像处理等领域。本文对多尺度变换的像素级图像融合进行综述,阐述多尺度变换图像融合的基本原理和框架。在多尺度分解方面,以时间为序梳理了塔式分解、小波变换和多尺度几何分析方法的发展历程。在融合规则方面,围绕Piella框架和Zhang框架,讨论通用的像素级图像融合框架;在低频子带融合规则方面,总结基于像素、区域、模糊理论、稀疏表示和聚焦测度的5种融合规则;在高频子带融合规则方面,综述基于像素、边缘、区域、稀疏表示和神经网络的5种融合规则。总结12种跨模态医学图像融合方式,讨论该领域面临的主要挑战,并对未来的发展方向进行展望。本文系统梳理了多尺度变换像素级图像融合过程中的多尺度分解方法和融合规则,以及多尺度变换在医学图像融合中的应用,对多尺度变换像素级医学图像融合方法的研究具有积极的指导意义。     

多光谱遥感图像与高分辨率全色图像融合研究

介绍了遥感图像融合的一般过程和特点,研究了像素级融合的常用算法,归纳了融合图像的基本步骤,采用四种融合方法对高空间分辨率的全色图像与高光谱分辨率的多光谱图像进行像素级融合实验,发现基于小波变换的图像融合提供更多细节信息,Brovey变换法融合全色图像与多光谱图像目视效果最好,速度最快。     

像素级融合并行算法的模型研究

通过对多种遥感图像像素级融合算法的深入研究,实现了三种具有代表性的像素级融合并行算法,在分析了这些并行算法的数据划分方式、负载平衡及算法设计流程的基础上,总结性地提出了一种通用的像素级融合并行算法模型。该模型对遥感图像融合的并行算法研究提供了有益的指导和借鉴。     

基于相容粒度空间的医学图像融合技术*

针对传统像素级图像融合方法割裂像素间联系的问题,将医学图像融合与粒度计算相结合,从粒度的角度研究医学图像融合技术,提出基于相容粒度空间的医学图像融合算法。该算法通过将待融合源图像进行小波变换,然后对小波系数构造多层次的相容粒度,最后选择合适的层次进行粒度融合并进行小波逆变换形成最终的融合图像。实验结果表明,该算法在MRI与MRA的图像融合中是有效的。     

基于像素级遥感图像融合方法综述

介绍了典型的基于像素级遥感图像融合算法,论述了各种算法的优缺点,给出了图像融合质量的评价方法,提出了图像融合的研究方向。     

多层级图像融合算法用于水体探测的比较

针对基于多源遥感图像的水体探测算法,缺少不同层级融合算法对水体探测精度的比较分析的问题,开展了比较不同级别的融合算法对水域面积提取精度的影响分析。分别在像素级与特征级对高分辨率光学影像与合成孔径雷达图像进行融合,并通过Kompsat-3及Kompsat-5图像开展水体探测实验。像素级融合算法基于IHS色度空间变换;特征级融合算法基于最大后验概率-马尔可夫随机场融合框架。基于ROC曲线对实验结果进行了定量比较分析。实验结果表明基于IHS色度空间变换算法的像素级图像融合方法水体探测精度与基于归一化差分水体指数的水体探测精度接近,而基于马尔可夫随机场算法的特征级图像水体探测方法综合利用了光学影像与合成孔径雷达图像上的水体特征,拥有区分水体与阴影的能力,水体探测精度较高。     

基于遗传算法和形态学运算的多焦点图像融合

目前大多数图像融合算法将每个像素都独立对待，使像素之间关系割裂开来。本文提出了一种基于形态学算法和遗传算法的多焦点图像融合方法，此种方法有效地结合了像素级融合方法和特征级融合方法。其基本思想是先检测出原始图像中清晰聚焦的区域，再将这些区域提取出来，组成各部分都清晰聚焦的结果图像。实验结果证明，此方法优于Haar小波融合方法和形态学小波融合方法。特别是在原始图像没有完全配准的情况下，此种方法更为有效。     

图像融合中的特征选取及分类与决策*

图像融合在遥感等许多领域具有重要作用。简要分析了预处理和像素级别融合的技术,着重探讨了用于特征级和决策级融合的关键技术,包括特征提取与选择、分类器设计及决策等。针对几种典型的有监督及无监督分类算法,进行了深入的分析和比较。最后指出了在分类决策方面图像融合技术发展的方向。     

像素级分块逼近的多聚焦图像融合方法

针对近年在对多聚焦图像融合领域中存在图像融合效果好的方法运算量大、实现起来复杂的问题,在传统的像素级分块融合方法和数学微分中逼近原理的启发下,提出了多聚焦图像在像素级分块逼近的图像融合方法。实验结果表明:该方法在融合效果上已经到达甚至略优于一些文献中提出的方法,而在运算量和运算时间方面要明显优于这些方法,更有利于实际应用中多聚焦图像融合的快速实现。     

遥感图像融合的研究现状、困境及发展趋势探讨

从像素级、特征级和决策级遥感图像融合的角度,概述了遥感图像融合的研究现状处于瓶颈发展时期。提出遥感图像融合研究的三方面主要困境:缺乏统一的融合理论框架作指导;缺乏面向应用的融合算法设计;融合数据源的选择没有针对性,缺乏针对不同传感器数据和不同分辨率的融合研究。指出目前遥感图像融合研究在特征级和决策级融合,多角度融合,数据预处理精度,以及不确定性分析方面的研究不足。最后,提出了未来遥感图像融合的发展趋势和研究热点。     

异质影像融合研究现状及趋势

成像机理上的差异导致了异质影像数据之间存在着本质区别,这使得其在像素级融合存在很大困难,因此异质影像融合主要集中于特征级和决策级.本文从信息融合的基本原理出发,详细论述了异质影像融合结构、特征级融合算法、决策级融合算法的研究现状.同时,深入分析了异质影像融合中存在的问题,并指出了未来的发展方向.     

遥感图像融合定量评价方法及实验研究

近年来融合技术不断创新,方法多种多样,但是对融合结果缺乏统一的定量评价方法。在分析与总结当前常用的遥感图像融合结果定量评价方法的基础上,给出了亮度信息、空间细节信息和光谱信息等定量评价参数,并且通过程序实现了定量评价。以IHS和PCA两种融合方法对QuickBird图像多光谱波段和全色波段融合作为实验,进行定量评价分析,结果表明所提出的定量评价参数能够较准确地反映图像融合情况,比定性评价有效、全面,可为选择恰当的融合方法提供依据。     

Spectral change directions of multispectral subpixels in image fusion

In an image fusion process, the spatial detail in a panchromatic pixel is injected into the corresponding n-band multispectral (MS) subpixel to yield a synthetic pixel. The synthetic pixel can be regarded as the sum of three terms: the MS subpixel, a shift term, and a product of the spatial detail and an n-dimensional (n-D) spectral change vector. In this paper, the spectral change vector directions in some current image fusion methods are characterized and classified. As the spectral development of subpixels with the improvements in spatial resolution in imaging is analogous to the spectral change of MS subpixels with the improvements in spatial resolution in image fusion, the former is used as a reference to examine the spectral change vector directions in the current image fusion methods. Moreover, image haze and unmixing of mixed MS subpixels are highlighted as two aspects needing attention for further improvement in fusion quality.     

Face and palmprint pixel level fusion and Kernel DCV-RBF classifier for small sample biometric recognition

Recently, multi-modal biometric fusion techniques have attracted increasing atove the recognition performance in some difficult biometric problems. The small sample biometric recognition problem is such a research difficulty in real-world applications. So far, most research work on fusion techniques has been done at the highest fusion level, i.e. the decision level. In this paper, we propose a novel fusion approach at the lowest level, i.e. the image pixel level. We first combine two kinds of biometrics: the face feature, which is a representative of contactless biometric, and the palmprint feature, which is a typical contacting biometric. We perform the Gabor transform on face and palmprint images and combine them at the pixel level. The correlation analysis shows that there is very small correlation between their normalized Gabor-transformed images. This paper also presents a novel classifier, KDCV-RBF, to classify the fused biometric images. It extracts the image discriminative features using a Kernel discriminative common vectors (KDCV) approach and classifies the features by using the radial base function (RBF) network. As the test data, we take two largest public face databases (AR and FERET) and a large palmprint database. The experimental results demonstrate that the proposed biometric fusion recognition approach is a rather effective solution for the small sample recognition problem.     

Target based image fusion using multi-scale feature selection in three regions

Image captured by low dynamic range (LDR) camera fails to capture entire exposure level of scene, and instead only covers certain range of exposures. In order to cover entire exposure level in single image, bracketed exposure LDR images are combined. The range of exposures in different images results in information loss in certain regions. These regions need to be addressed and based on this motive a novel methodology of layer based fusion is proposed to generate high dynamic range image. High and low-frequency layers are formed by dividing each image based on pixel intensity variations. The regions are identified based on information loss section created in differently exposed images. High-frequency layers are combined using region based fusion with Dense SIFT which is used as activity level testing measure. Low-frequency layers are combined using weighted sum. Finally combined high and low-frequency layers are merged together on pixel to pixel basis to synthesize fused image. Objective analysis is performed to compare the quality of proposed method with state-of-the-art. The measures indicate superiority of the proposed method.

     

遥感影像融合及高保真算法比较分析研究

随着传感器性能的提高,现代遥感技术提供了各种光谱分辨率、空间分辨率的遥感数据,如何充分、有效的利用多源、多尺度遥感影像数据成为遥感应用技术的一个挑战。本文系统阐述了遥感影像融合的理论和方法,详细分析了像素级、特征级、决策级遥感影像融合的方法和优缺点,深入探讨了Gram-Schmidt和SFIM两种高保真的融合方法,给出了融合结果的评价体系,结果表明SFIM融合方法是最优方法。     

基于压缩感知的低功耗高效率CMOS图像传感器设计

提出一种基于压缩感知的低功耗高效率CMOS图像传感器(CIS)设计.在这种压缩感知CIS中,帧存储、帧差求解和帧压缩等过程分别集成于像素级、列级和芯片级电路中,实现了图像传感过程和图像压缩过程的融合.这种融合提高了CIS在功耗、传输带宽和输出数据等方面的效率.所提出的CIS设计已采用Global Foundries 0...     

象素级图像融合方法与选择

首先介绍了图像融合技术的概念,然后对象素级图像融合技术的几种常用方法进行了详细说明,包括PCA变换,HIS变换,HPF变换,神经网络,图像金字塔,小波变换等。并介绍了融合结果的几个评价参数。最后,根据不同类型图像的特点和应用的需要,详细分析了图像融合方法的选择。     

一种多传感器图像的彩色融合系统

针对像素及多传感器图像的融合问题,设计了一种多传感器图像的彩色融合系统。该系统首先采用Laplacian金字塔变换算法得到灰度融合图像,然后产生共有图像、差异图像和细节增强图像,最后将灰度融合图像、细节增强图像,分别送入RGB通道得到彩色融合图像。实验结果表明,本系统可以有效地对多传感器图像进行彩色融合。根据熵和颜色丰富度两个客观评价指标,本系统的彩色融合图像更清晰,更容易识别目标,包含更多的细节信息,图像信息也更加丰富。