基于区域的图像融合方法

针对传统像素级图像融合方法割裂像素间联系的问题,提出了一种基于区域的图像融合方法.首先对源图像进行离散小波框架分解,对其中一幅的低频子图利用模糊c均值聚类方法进行区域分割,并将区域表示线性映射到其他源图像.然后利用区域小波系数的结构相似度和区域能量构造融合规则,依据融合后的系数重构可得到融合图像.实验结果表明该方法能够有效地融合源图像信息并保持源图像特征.     

一种基于显著点和SVM相关反馈的图像检索方法

针对传统基于全局特征的图像检索方法存在的不足,提出一种基于显著点特征和SVM(support vector machine)相关反馈相结合的图像检索方法.显著点提取方法是对图像进行小波分解,选择粗分辨率下绝对值较大的小波系数,它们对应原图像中变化较大的区域,然后在细分辨率下跟踪这些小波系数,提取原图像中的能代表这些变化的点,即显著点;然后利用显著点的空间分布信息,提取显著点周围局部区域的特征进行检索,并对检索结果进行SVM相关反馈.实验结果表明,引入反馈的方法可有效地检索更多的相关图像,明显提高了检索的准确性.     

基于聚类和NSCT的遥感图像融合算法

研究遥感图像融合问题。针对遥感图像数据在时间、空间和光谱方面差异大,图像分辨率低等问题,为有效提高遥感图像的分辨率,提出了一种基于聚类和NSCT的遥感图像融合算法。首先对源图像进行小波变换提取源图像特征;然后利用改进的模糊C均值聚类算法在多特征形成的特征空间上对图像进行区域分割,并在此基础上对区域进行NSCT分解,通过设计的区域相似度度量方法,以信息度大的区域作为融合区域,对不同的区域采用不同的融合规则进行融合,最后进行重构得到融合图像。仿真结果表明,对比其它图像融合算法,改进的遥感图像融合算法可获得较理想的融合图像,具有一定的实用性。     

图像融合在探测混凝土结构内部损伤中的应用

图像融合是指综合两个或多个源图像的信息,以获取对同一对象更为精确、更为全面的图像描述。该文简单介绍了几种主要的图像融合方法,对基于多分辨率小波变换融合算法进行了较为全面的阐述,并对两类基于区域的图像融合规则进行改进。通过对埋设在混凝土梁构件内部模拟的缺陷进行实验论证,采用小波变换法对红外图像进行融合,结果表明:对于探测混凝土内部缺陷,采用基于本文所提出的融合规则的小波变换法进行图像融合,融合效果有明显的改善。     

基于证据理论的小波域多特征医学图像融合

针对多源医学图像融合过程中融合权值选择的不确定性,根据DS证据理论,采用证据理论中的基本概率分配函数来描述判决结果的不确定性。利用图像的区域方差、区域能量、区域信息熵三个特征,然后对特征进行归一化,将各个特征值作为基本概率分配的依据,在小波域内对高频分量采用基于DS证据理论的多特征融合规则进行图像融合。利用拉普拉斯能量,在小波域内对低频分量采用拉普拉斯能量自适应融合规则。实验结果表示：所提算法综合了多个特征的优势,降低了融合过程中的不确定性,较大程度地保留了图像信息。     

一种基于Homogeneity的文本检测新方法

视频图像中的文本包含了丰富的语义层次上的内容描述信息，为基于语义的图像检索提供重要的索引信息资源．提出了一种基于Homogeneity和支持向量机（support vector machine）的视频图像中文本检测方法，首先将图像由空间域映射到Homogeneity域中，然后对映射到Homogeneity空间中的图像进行特征提取，利用SVM判别文本区域．实验表明此文本检测方法优于用基于边缘特征的文本检测方法．     

一种新的结合SVM和FNN的多聚焦图像融合算法

针对基于分块的图像融合中分块裂痕和实际融合特征的不确定等问题,提出一种结合支持向量机(SVM)和模糊神经网络(FNN)的多聚焦图像融合新方法。首先,通过模糊C均值聚类(FCM)和SVM获得FNN的网络参数,利用构建的模糊神经网络,将分割的图像块分成清晰区域、模糊区域和过渡区域三类;然后用模糊神经网络的反模糊化输出作为权值因子对三类区域进行加权融合,输出融合的多聚焦图像。最后,通过均方根误差、平均绝对误差和峰值信噪比等指标对多种融合算法进行融合质量评价。实验结果表明,提出的融合算法鲁棒性和计算性能较好,基本满足实际图像融合的需求,且融合质量评价也表明本文方法优于现有的融合算法。     

基于区域目标检测的红外与可见光图像序列融合

提出了一种基于区域目标检测的红外与可见光图像序列融合方法。该方法通过目标检测技术将源图像序列分割成目标和背景区域，并在目标和背景区域里分别采用不同的融合规则，同时使用双树复小波变换方法使每一幅源图像具有移不变多分辨率表示。实验采用了实际图像序列数据。融合结果表明，该方法是可行和高效的，且比其他图像融合方法具有更好的性能。     

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.     

采用划分融合双向控制的粒度支持向量机

粒度支持向量机（granular support vector machine,GSVM）引入粒计算的方式对原始数据集进行粒度划分以提高支持向量机（support vector machine, SVM）的学习效率。传统GSVM采用静态粒划分机制,即通过提取划分后数据簇中的代表信息进行模型训练,有效地提升了SVM的学习效率,但由于GSVM对信息无差别的粒度划分导致对距离超平面较近的强信息粒提取不足,距离超平面较远的弱信息粒被过多保留,影响了SVM的学习性能。针对这一问题,本文提出了采用划分融合双向控制的粒度支持向量机方法（division-fusion support vector machine,DFSVM）。该方法通过动态数据划分融合的方式,选取超平面附近的强信息粒进行深层次的划分,同时将距离超平面较远的弱信息粒进行选择性融合,以动态地保持训练样本规模的稳定性。通过实验表明,采用划分融合的方法能够在保证模型训练精度的条件下显著提升SVM的学习效率。     

基于独立分量分析和支持向量机的遥感影像融合分类算法

遥感影像分类是遥感定量化分析的重要手段,遥感影像融合是提高分类正确率的有效途径之一。本文提出一种遥感影像的融合分类算法。首先采用Contourlet变换对多光谱影像和全色影像进行融合,然后结合独立分量分析的去相关性、稀疏特性以及很好地捕捉影像重要边缘信息、纹理信息的能力,提取融合影像的独立分量特征,并用支持向量机实现分类。与其他算法的主、客观比较结果表明,该算法的实验效果较好,可有效地提高遥感影像的分类精度。     

非下采样Contourlet变换的图像融合及评价*

分析和研究了非下采样Contourlet图像表示方法及其在图像变换中的优点,提出一种基于非下采样Contourlet变换的图像融合方法。首先将待融合源图像分解成不同尺度、多方向的频带;然后采取不同的融合方法对分解的高低频分量进行融合处理,低频系数采取局部能量优先的加权法融合,高频系数则采取局部梯度优先的加权法融合;最后将融合的各频带进行逆非下采样Contourlet变换得到融合图像。实验表明,在几种不同的客观评价标准下,该方法优于传统的小波域中的融合效果,能有效消除小波变换带来的光谱扭曲和假边缘现象。     

一种新的基于清晰度的多聚焦图像融合规则

针对多聚焦图像,融合过程采用计算单个象素的清晰度时考虑以该象素为中心的邻域,通过对两幅输入图像中的对应部分进行加权组合来形成融合图像。该文提出了一种新的基于清晰度的图像融合规则,即采用保形有理三次插值样条函数来构造权值进行融合,试验结果表明该文提出的方法对于严格配准的多聚焦图像的融合效果比基于多分辨率的小波分解的融合算法好。     

小波变换和特征加权融合的人脸识别

在人脸识别领域,提取人脸特征和降低维数是人脸识别的关键。传统的基于小波变换的人脸识别算法仅在小波分解的低频分量上提取用于分类的图像特征,造成了高频分量中部分对识别有利信息的丢失。为了更有效地提取人脸图像特征,提出一种基于小波变换和特征加权融合的人脸识别算法。首先通过小波变换对人脸图像进行降维处理,然后对4个小波子图分别运用主成分分析法(PCA)提取特征,并把这4部分特征加权融合,最后利用支持向量机(SVM)进行分类识别。在ORL人脸库上进行实验验证,识别准确率可达到97.5%,实验结果表明该算法能够有效提高人脸识别能力,与传统识别算法相比具有较高的识别准确率和识别速度。     

基于离散余弦变换的多聚焦图像融合

文章根据可见光多聚焦图像的成像机理,提出了基于离散余弦变换的融合算法。该方法先利用DCT将图像分解为不同空间频率的分量,然后利用方向对比度的融合规则得到融合图像的DCT域矩阵,最后通过DCT逆变换得到融合图像。实验结果表明,该算法可以有效综合多聚焦图像,从而得到同一场景中所有物体都清晰的图像。与小波融合算法相比,融合后的图像质量都很好,但计算时间缩短了。     

一种基于小波稀疏基的压缩感知图像融合算法

随着压缩感知技术的发展,基于压缩感知的图像融合技术研究逐渐受到越来越多的重视。针对图像小波分解系数特点,提出了一种基于双放射状采样模式的压缩传感域图像融合算法。该算法首先通过双放射状采样模式获得待融合图像的小波稀疏域线性测量值;然后利用一种简单的绝对值最大融合规则直接在压缩感知域进行融合,最后通过最小全变分的方法重构融合图像。主客观实验结果表明,该算法具有良好的融合效果。     

A novel ensemble scheme for the multi-focus image fusion using support vector machine

In the multi-focus image fusion problem, the source images are obtained from the same scene. They are fused to get an image that contains all well-focussed objects. Previously, individual machine-learning models are proposed for image fusion. The performance of individual models is limited to fuse the useful information extracted from the blurred images. To address this problem, we developed a novel ensemble scheme for multi-focus image fusion using support vector machines (SVMs). In the proposed scheme, first, SVM models are constructed using different kernel functions of linear, polynomial, radial basis, and sigmoid. The predictions of individual SVM models are then combined using majority voting. In this way, the combined decision space becomes more informative and discriminant. A comparative analysis of the proposed scheme is carried out with previous techniques. It is found that our scheme is more accurate for synthesized-blurred and real defocussed images.     

多聚焦图像区域能量框架融合算法

在基于小波变换多聚焦图像融合算法中,由于融合图像中相邻像素点之间的不一致使融合图像质量大为降低。应用变换域的融合规则,以小波变换系数提取区域能量为特征值,并根据全局匹配度来决策融合规则,提出了能量框架融合算法,对小波各分量的来源进行一致性检测,使融合图像的小波分解系数更精确地应用于融合图像重构,并对此算法进行了仿真实验,通过对评价指标的分析比较,结果显示此算法图像融合效果优于加权平均、灰度值取大和区域能量算法。     

一种基于小波变换的多分辨图像融合算法

图像的融合过程是将两个或更多的图像结合成一个图像,融合图像保留了每一个图像的重要特征。图像融合技术能够提高图像质量和数据的实用性。主要描述了图像融合的两个课题：（1）融合算法;（2）质量评估。介绍的图像融合算法是先对原图像进行多分辨小波变换,再把输入图像的小波变换系数通过一定的融合规则进行选择,然后经过逆小波变换得到新的图像,对图像融合的质量评估也进行了讨论。     

一种基于小波变换的图像融合新算法*

在阐述小波图像融合算法的基础上,针对小波分解后各频域融合算子和融合规则的选择,提出一种新的基于小波分解的图像融合算法。对小波分解后的低频分量通过度量其图像块之间的相关系数和空间频率来确定融合图像的尺度系数;对高频分量,以方向对比度为判据确定融合图像的小波系数;最后,通过小波逆变换得到融合图像。对多组图像进行实验,实验结果表明,该方法是有效的。