基于小波变换的多分辨率图像融合技术的研究

本文提出了使用小波变换对多幅不同分辨率图像进行融合的方法.该方法对大分辨率图像进行正交小波变换分解图像,然后把逼近部分和小分辨率图像进行处理,得到处理的小波系数矩阵,对该矩阵进行反变换,得到一幅汲取两幅图像优势的融合图像.最后对该方法进行了实验,效果较好.     

一种新的多分辨率图像融合方法研究

基于小波的轮廓渡变换是一种新的图像变换方法,提出了一种采用基于小波的轮廓波变换的图像融合方法,先采用基于小波的轮廓波变换对图像进行多尺度多方向分解,再对分解所得的低频和高频部分分别采用不同的融合规则进行融合.实验结果表明,该方法融合图像的多项指标都优于采用小波变换、轮廓波变换等的方法.     

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．     

一种形态学多小波变换多聚焦图像融合方法

给出了一种形态学多小波变换多聚焦图像融合方法.该方法利用不同的小波对待融合图像进行小波分解,采用形态学灰度形态梯度边缘检测算子对低频子图像进行边缘检测,以更好地保存图像边缘细节信息;采用加权平均方法选择高频系数.对两组多聚焦图像进行实验表明,采用这种方法能够更好地保留图像边缘信息,融合效果明显优于传统的图像融合方法.     

一种新的多聚焦图像融合算法

提出了一种基于小波-Contourlet变换的多聚焦图像融合算法;该算法首先采用小波-Contourlet变换对源图像进行多尺度分解,得到高频和低频图像;接着根据高、低频分量各自的区域特性,采用不同的融合规则进行处理,得到小波-Contourlet变换域的融合系数,最后通过反变换得到融合图像;采用信息熵、标准差和互信息3个评价标准,将该算法和传统的小波算法和Contourlet算法的融合结果进行了比较;实验结果表明,该算法获得的评价指标都优于其它算法,且融合图像较好地从源图像中提取了有用信息,提高了融合质量.     

基于小波变换的多聚焦图像融合方法

介绍一种利用小波变换实现多聚焦图像融合的方法,它针对小波变换后图像的近似部分和细节部分采用不同的融合规则,组成一个新的小波分解系数,再进行小波重构,即可得到融合图像.实验结果表明,基于小波变换的多聚焦图像融合方法具有良好的效果.     

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.     

基于改进小波变换的医学图像融合方法

小波变换在图像融合中的应用已有不少,但大多是热图像和可视图像的融合,在医学图像融合方面的研究还比较少.针对这一现状,提出了基于形态学小波的医学多分辨率融合方法和小波域基于差值图像分割的加权融合方法.该方法保留了小波的视觉效果,同时在很大程度上减少了运算的复杂度,优化了加权系数的计算方法,得到了较好的融合效果.实验结果表明了该算法的优越性.     

基于小波变换的多分辨率图像融合技术的研究

本文提出了使用小波变换对多幅不同分辨率图像进行融合的方法。该方法对大分辨率图像进行正交小波变换分解图像,然后把逼近部分和小分辨率图像进行处理,得到处理的小波系数矩阵,对该矩阵进行反变换,得到一幅汲取两幅图像优势的融合图像。最后对该方法进行了实验,效果较好。     

基于小波变换的多模态图像融合算法的改进

为了进一步提高医学图像的融合效果,研究和改进了基于小波变换的图像融合算法,提出了一种改进小波变换金字塔融合算法.该算法对经过多层小波变换后的高低频小波系数,分别使用局部均值加权和分层线性加权的小波系数融合规则进行融合.通过编程试验,将该算法与空域和频域的各种融合算法进行对比,并使用主观和客观两种评价方法进行综合评价.实验结果表明,针对灰度图像特别是医学图像的融合,提出的融合算法与文中的对比算法相比较,在主观和客观的综合评价上表现出更好的融合效果.     

一种新的基于小波变换的多聚焦图像融合算法

提出了一种基于小波变换的多聚焦图像融合算法（简记为WMFFA）。首先综合源图像求得参照图像,并对源图像和参照图像分别做小波变换,将其分解成低频和高频图像,然后求出源图像的每个小波系数与参照图像中对应位置上的小波系数之间的距离,按照距离特征从源图像中选取小波系数,组成融合后的小波系数并进行小波反变换,得到融合图像。对提出的融合算法性能进行了评价与分析,结果表明提出的算法对多聚焦图像融合是有效的。     

CBERS-02与SPOT5融合数据及其在海岸带土地利用调查中应用能力综合评价

以珠海市横琴岛为试验区,对CBERS-02星多光谱数据和SPOT5全色数据进行融合处理,融合方法包括HIS变换法、Brovey法、主成分融合法、小波融合法、SFIM法、Gram\|Schmidt法、PANSHARP法,并使用定量指标对融合结果进行分析,通过计算各波段均值、信息熵、标准差、相关系数等指标对各融合结果进行分析评价,探讨适合两种数据的融合方法;对CBERS-02和SPOT5数据的PANSHARP法融合数据进行支持向量机分类,总体分类精度为82.55%,Kappa系数为0.7358;试验结果表明,通过融合CBERS\|02多光谱数据与SPOT5全色数据,既可以增强空间纹理信息,又可以弥补SPOT5多光谱数据缺少蓝光波段的缺陷,具有丰富的光谱信息,可以在海岸带土地利用调查广泛应用。     

基于小波变换的多尺度图像融合

随着科学的发展和技术的进步,图像数据融合技术作为解决如何从多幅图像中恢复出原始图像的问题的重要方法已日益引起人们的重视。文章在总结了传统的图像融合方法的基础上,提出了基于小波的图像融合方法,在高频域内综合考虑了图像的边缘特征和内部能量特征进行融合,在低频内直接采用区域能量进行融合,最后利用小波逆变换得到融合结果。经试验证明了该方法的有效性。     

一种基于小波变换的多聚焦图像融合方法

提出了一种改进的基于小波变换的多聚焦图像融合方法。该方法采用小波变换对源图像进行多尺度分解,得到高频和低频图像;对高频分量采用基于邻域方差加权平均的方法得到高频融合系数,对低频分量采用基于局部区域梯度信息的方法得到低频融合系数;进行小波反变换得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该方法与传统融合方法的融合效果进行了比较。实验结果表明,该方法所得融合图像的效果和质量均有明显提高。     

基于主成分分析和植被指数的潮滩植被信息提取研究

针对潮滩湿地植被的特点,利用2004年7月30日的SPOT5数据,在主成分分析的基础上,结合归一化植被指数NDVI和归一化水体指数NDWI,进行了Brovey变换和小波变换融合处理。融合后得到的图像较融合前的图像和原始SPOT5图像在空间相关性、信息熵以及植被间的可分离度等指标上都有显著的提高。对融合效果较佳的基于NDWI和主成分的小波变换的图像进行最大似然法分类,与原始图像最大似然法分类结果相比,分类精度提高了4.41%。     

一种基于非抽样LP的Contourlet变换图像去噪方法

由于提高Contourlet变换冗余性可以抑制去噪结果中的伪Gibbs现象,因此为了提高变换冗余度和避免数据量过大,以进行快速有效的图像去噪,提出了一种基于非抽样LP的Contourlet变换图像去噪方法。该方法首先对带噪图像进行非抽样LP多尺度分解;然后对各子带图像进行临界抽样的DFB分解,再采用尺度相关的分层模型对各子带图像进行阈值处理;最后对处理后的子带图像进行DFB和LP重建,以得到去噪后的图像。与同类型有关方法进行的对比实验表明,在去噪后图像的PSNR值上,该方法比常规Contourlet变换方法至少提高1dB;在完成时间方面,该方法比其他改进方法快1倍以上。     

采用shearlet变换的多聚焦图像融合

相对传统多尺度分析工具,shearlet变换更适于提取图像细节信息。采用shearlet变换进行图像融合,对源图像进行shearlet域分解,对低频子带采用SML算子作为融合依据,高频子带采取区域能量与单个像素相结合的方式选择系数,对融合后的系数进行逆shearlet变换得到融合图像。仿真实验表明,算法在视觉效果和量化结果上均有提高。     

一种新型全息图的编码方法

为了提高计算全息图的衍射效率,以目前计算全息领域中显示纹理较为清晰的傅里叶全息图为基础,提出了一种新的全息图制作与显示方法。采用离散余弦变换生成相应的全息图,采用逆离散余弦变换对其进行重构。通过该方法所得的全息图的衍射效率比采用傅里叶算法的全息图的衍射效率提高了13.65%,有效衍射效率提高了56.82%,从计算机模拟再现的结果可以看出,得到了一种显示效果清晰的、衍射效率更高的新型全息图。     

Multi-focus image fusion with deep residual learning and focus property detection

Multi-focus image fusion methods can be mainly divided into two categories: transform domain methods and spatial domain methods. Recent emerged deep learning (DL)-based methods actually satisfy this taxonomy as well. In this paper, we propose a novel DL-based multi-focus image fusion method that can combine the complementary advantages of transform domain methods and spatial domain methods. Specifically, a residual architecture that includes a multi-scale feature extraction module and a dual-attention module is designed as the basic unit of a deep convolutional network, which is firstly used to obtain an initial fused image from the source images. Then, the trained network is further employed to extract features from the initial fused image and the source images for a similarity comparison, aiming to detect the focus property of each source pixel. The final fused image is obtained by selecting corresponding pixels from the source images and the initial fused image according to the focus property map. Experimental results show that the proposed method can effectively preserve the original focus information from the source images and prevent visual artifacts around the boundary regions, leading to more competitive qualitative and quantitative performance when compared with the state-of-the-art fusion methods.     

基于独立成分分析和IHS变换域的灰度可见光和红外图像融合

针对灰度可见光和红外图像的融合图像缺乏色彩信息、图像的高阶信息在变换域中统计独立性不足的缺陷, 提出一种基于独立分量分析和IHS (亮度-色度-饱和度) 变换域的融合方法. 该方法利用IHS 变换域能够有效分离图像亮度分量和彩色信息的优势, 对灰度可见光图像建立灰度图像的彩色传递模型. 利用各分量的独立性进行基于独立分量分析和IHS 变换域的图像融合, 并得到最终的彩色融合图像, 使融合图像更加符合人类视觉要求. 仿真实验验证了所提出算法的有效性.