多传感器图像融合技术及评价方法研究

对图像融合的主要研究内容和方法进行了探讨,对像素级多分辨图像融合的主流方法作了深入地分析和定性比较,对图像融合效果的客观评价准则进行了比较和总结。实验结果表明基于多分辨分析的融合方法在主观视觉质量和客观评价准则上均具有明显优势,文中最后对图像融合的未来发展前景进行了展望。     

基于多小波变换的图像融合研究

多小波是小波理论的扩展，在图像处理方面具有单小波所不具有的优点。它能够为图像提供一种比小波多分辨分析更加精确的分析方法。在研究了多小波变换的特性后，提出了一种基于离散多小波变换的图像融合方法，并将由不同传感器获得的不同分辨率的遥感图像数据利用此方法进行了融合。这种方法不仅能够完好地显示源图像各自的信息，而且能很好地将源图像的细节融合在一起。通过实验结果证明，采用这种方法可以得到更好的融合效果。     

基于修正PCNN的多传感器图像融合方法

多传感器图像融合技术作为信息融合的重要分支和研究热点,已广泛应用在机器视觉、医疗诊断、军事遥感等领域。为了更好地进行多传感器图像融合,将在图像分割、目标识别等领域具有独特优势的脉冲耦合神经网络(pulse coupled neural network,PCNN)引入到多传感器图像融合领域中来,提出了一种基于修正PCNN的多源图像融合方法,该方法在区域分割的基础上,先提取区域特征,然后由特征指导融合过程;同时,从目标区域相对于背景的显著性出发,提出了一种反映目标区域突出性的新特征,并针对传统PCNN参数无法自动设定的难题,提出了基于修正PCNN的参数自动设定方案。实验结果表明,该方法无论在主观视觉效果,还是客观评价参数上均优于基于多分辨分析的融合算法,且克服了传统像素级融合方法中融合图像模糊、对噪声敏感等不足,尤其适用于图像不能严格配准的应用场合。这对于拓宽PCNN的理论研究和实际应用具有一定价值。     

基于生物视觉特性的红外与可见光图像融合方法

脉冲耦合神经网络PCNN以其在图像分割、目标识别等领域的独特优势而成为当前的研究热点。本文对其在红外与可见光图像融合领域的应用进行了研究,并针对传统脉冲耦合神经网络参数无法自动设定的难题,提出了基于修正PCNN的参数自动设定方案。针对可见光与红外图像融合的大量实验结果表明,本文方法无论在主观视觉效果还是客观评价参数上均明显优于基于多分辨分析的融合算法,对于拓宽PCNN的应用领域有一定价值。     

一种基于多小波的盲的数字图象水印技术

以一个图案作水印且提取时不需要原图象的数字水印技术 (blind waterm arking)面临许多挑战 ,因而 ,这种技术的研究文献很少 .本文首次提出了一种基于多小波 (multiwavelet)变换的盲的数字图象水印技术 .与标量小波不同 ,在图象的多小波变换系数中 ,同一尺度且同一方向上存在两个 (或以上 )对应不同小波的细节子图 ,本文中的方法正是利用多小波变换这一独特性质嵌入一幅二值图案 .为了增加水印的稳健性 ,我们采用 (7,4 )汉明编码 (Hamming code)将水印的校验图也嵌入到多小波变换域中 .特别是 ,水印图案的提取不需要原始图象 .实验结果表明 ,这种方法对JPEG压缩、平滑滤波、锐化、噪声、对比度增强、重量化、重采样等多种图象处理具有很好的稳健性     

基于视觉特性的多聚焦图像融合新算法

提出了一种基于视觉特性的快速、高精度的多聚焦图像融合新算法。根据多聚焦图像的特点,采用基于视觉对比度的快速间隔块扫描算法对聚焦离焦区域在整幅图像内进行粗定位,然后在粗定位的基础上通过基于块视觉对比度的比对进行聚焦离焦区域的精确定位,并且将图像划分为3个部分:聚焦区、离焦区与边界。取两幅图像各自的聚焦区,而后将两幅图像离焦与聚焦的边界区域加权融合即得融合图像。实验结果证明,该算法与基于小波分解的融合算法和基于视觉的块分解融合算法相比不仅速度快而且效果好。     

基于多小波变换的医学图像融合方法研究

医学图像融合在临床诊断及治疗上有重要意义,多小波是小波理论的扩展,在图像处理方面具有单小波所不具有的优点。文章对基于多小波变换的医学图像融合方法进行了研究总结,提出了基于边沿信息方向性加权的区域能量的融合规则,通过对CT与MRI图、CT与SPECT图实验结果比较,表明该文提出的算法具有更好的融合效果。     

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。     

基于CP和多小波HMT模型的克隆选择遥感图像融合

如何得到有效的融合系数是图像融合的关键.文中从图像的统计特性出发,构造了对比度塔(CP)和GHM多小波,建立了多小波HMT模型以捕获多小波系数之间的相关性.同时,将进化计算思想--免疫克隆选择(ICS)算法引入到图像融合处理中,用来优化融合系数,较好地实现了多传感器遥感图像的融合.仿真实验证明,与传统的小波变换和多小波变换方法相比,文中方法得到的融合图像有效地保留了图像的细节和纹理信息,图像的信息熵值保持在较高水平,平均梯度值比小波变换和多小波变换方法平均分别提高了1.3和2.3,标准差值平均分别提高了8.0和8.8.     

基于自适应理论的影像合成技术

提出了一种基于对偶树复小波-Contourlet变换的自适应影像合成新算法。算法将全色图像和多光谱图像进行对偶树复小波-Contourlet变换分解后,针对不同的频率域特点选择不同的合成规则。对低频系数选取区域能量的加权系数自适应合成规则,对高频系数特性选用了区域特征自适应的合成规则,最后通过重构得到合成图像。将其他的合成算法和本算法进行了主观和客观的对比,结果表明,基于对偶树复小波-Contourlet变换区域特征自适应的影像合成算法是一种有效可行的影像合成算法。     

一种新的基于小波变换的医学图像融合方法

图像融合是医学图像处理中的关键技术。论文探讨了基于小波变换的医学图像的融合方法,在对现有的有关融合规则及其所融合效果进行分析的基础上,提出了一种新的基于小波的融合方法。实验证明,该方法能在保留原图像信息的情况下增强融合图像的细节信息。     

基于曲波变换的图像融合方法

本文在研究了曲波变换的特性后,提出了一种基于曲波变换的图像融合方法,并分别将由不同传感器获得的不同分辨率的遥感图像和医学图像利用此方法进行了融合.这种方法不仅能够完好地显示了源图像各自的信息,而且能很好地将源图像的细节融合在一起.实验结果表明采用这种方法可以得到更好的融合效果.     

基于互信息的分层遥感图像配准方法

该文提出了一种基于互信息相似性判据的分层遥感图像配准方法,通过小波变换构造图像金字塔,从金字塔的最顶层开始搜索,根据互信息最大的原则确定图像间的变换参数,并作为下一层搜索的粗略位置,然后逐层细化,实现由粗到细的搜索过程。将此算法应用于遥感图像,得到了有效、精确的配准结果。从而证明了该文算法的可行性和有效性。     

遥感影象融合效果的客观分析与评价

本文综合利用三类统计参数来进行遥感影象融合效果的分析与评价：第一类反映亮度信息,如均值;第二类反映空间细节信息,如方差、信息熵、交叉熵和清晰度,其中给出了一种更切合实际的交叉熵定义;第三类反映光谱信息,如扭曲程度、偏差指数与相关系数。以小波变换融合方法为例,针对TM多光谱影象与SPOT全色影象融合的具体情况,,对不同分解阶数的融合影象进行分析和评价。评价结果与理论分析结果和目视效果相吻合,说明这些参数可以作为遥感影象融合的客观效果评价准则。     

一种多聚焦图像融合方法

提出一种基于小波变换的多聚焦图像融合方法．该方法首先通过小波变换得到源图像的小波系数，然后对低频和高频分量采用不同的融合规则和融合算子构造融合图像的小波系数，最后基于一致性检测由高低频融合系数得到最终的融合结果．用两组源图像数据验证所提出的融合算法，并与其他融合算法进行比较，仿真结果表明该算法在多聚焦图像融合中优于其他方法．     

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。     

平衡多小波在图象融合增强中的应用

平衡的多小波变换无需预滤波,保持了多小波的特性。据此,本文提出了一种基于平衡多小波变换的图象融合方法。多光谱图象融合增强实验表明,该方法在提高多光谱图象的空间细节表现能力和保持地物光谱信息上都具有很好的效果,优于基于非平衡多小波变换的融合方法。     

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。     

多模态医学图像融合中小波分解层数的选择

小波分解层数直接影响到图像的融合质量,本文通过实验并结合融合图像评价方法评价不同分解层数的融合图像质量,得出最佳分解层数.     

多尺度融合残差编解码器的低照度图像增强方法

在低光照环境下,由于光子数极少且噪声较大,线阵相机的感光源不能充分曝光,从而导致图像的质量下降.为此,提出一种多尺度融合的残差编解码器的低照度图像增强方法,直接学习原始传感器RAW明暗图像之间的端到端映射,在完全恢复原始图像细节和色彩的同时有效增强图像的亮度;为了增加特征多样性并加快网络训练速度,在网络结构中加入残差块;为了聚合上下文的全局多尺度特征,设计一个密集上下文特征聚合模块,以弥补网络深层缺失的空间信息.基于SID数据集,与其他10种方法进行对比实验,结果表明,所提方法在视觉效果、定量评价(PSNR和SSIM)方面都明显优于其他大部分方法,可以在恢复图像亮度的同时,有效地表示图像的边缘和色彩等,并在弱光增强下获得令人满意的视觉质量.