基于梯度权重规则的IHS变换与小波变换结合算法

针对多光谱图像与全色图像的融合,本文在认真分析了IHS变换、小波变换,以及基于梯度绝对值最大准则的IHS变换与小波变换结合算法的基础上,提出了一种基于梯度权重规则的改进算法.在使用小波变换融合多光谱图像I分量与全色图像时,计算二者高频细节分量的梯度作为权重,实现高频细节信息的融合;低频近似分量采用经验调节权系数的方式,运用加权和准则融合获得.融合所得新I'分量与之前多光谱图像IHS变换分离出的色度H和饱和度S进行逆变换,生成最终的融合图像.实验结果表明,该方法在保留多光谱图像光谱信息的基础上,有效地增强了融合图像的空间细节表现能力.     

基于小波变换的自适应图像融合算法

针对现有图像融合方法存在的光谱信息和空间细节信息不能较好兼顾的问题,建立了图像内容自适应的融合准则和一致性选取准则,提出了一种基于小波变换的自适应图像融合算法,实现了多光谱图像与全色图像的融合,并对融合图像进行了主、客观评价。着重从图像融合如何提高目标的区分度和识别率的角度给出主观评价,通过光谱扭曲度、清晰度客观分析多光谱与全色图像的融合效果。实验结果表明,该算法充分利用了全色图像的空间细节特征、图像边缘和方向性特征信息,保留了多光谱图像的光谱信息特征,提高了融合图像的主观效果,有利于信息的提取和目标解译。在光谱和空间细节综合保持方面,该算法优于IHS融合方法和传统的二进小波融合方法。     

一种改进的遥感图像融合方法

针对传统的IHS变换和Mallat算法在融合多光谱图像和高空间分辨力图像时存在的不足,提出了一种将IHS变换和平稳小波变换相结合的遥感图像融合方法;另外,对多光谱图像和高空间分辨力图像因空间分辨力的不同而带来的融合图像中所存在的虚假轮廓问题,提出在融合过程中先定位虚假轮廓出现的位置,然后加以处理的方法.仿真结果表明,本文算法在光谱失真上小于IHS变换法,克服了Mallat算法存在的方块效应,同时较好的抑制了虚假轮廓.     

一种改进多分辨率图像融合算法

提出一种基于局部熵的多分辨图像融合算法。利用小波变换得到待融合图像的多分辨结构,同时得到图像的多分辨局部熵序列。以局部熵为判据,在图像多分辨结构相应各级上进行融合,得到融合图像的多分辨结构,利用小波逆变换重构融合图像。实验结果表明,该图像融合方法在保留TM多光谱图像光谱分辨率的同时,通过融合SPOT全色图像提高了空间分辨率,丰富了图像细节信息。     

小波变换遥感图像的数据融合

利用小波变换方法进行多卫星遥感图像数据融合，分析不同长度的小波基对融合图像的影响，从信息的保持性、视觉效果及运用灵活性等方面与IHS、PCA融合算法进行了比较，从而探讨这一新算法在遥感图像分析应用中的可行性。     

基于向量小波与神经网络的图像融合算法

提出了一种基于向量小波和神经网络的图像融合算法.首先对各源图像进行向量小波变换,根据变换后系数计算出各子块图像的清晰度,选取子块图像部分区域清晰度作为前溃神经网络的训练样本,调整神经网络权重;然后用训练好的神经网络组合融合图像的向量小波系数,对组合后的系数进行一致性校验;最后对该系数进行向量小波逆变换,得到融合图像.仿真实验表明,该算法能够较好地解决多传感器图像融合问题,生成的融合图像效果优于有代表性的图像融合方法.     

无需重构的多分辨率图像融合算法(英文)

提出了一种基于平稳小波变换的多聚焦图像融合算法。首先对待融合图像进行平稳小波分解,得到图像尺寸相同的低频分量和高频分量,然后对低频分量使用拉普拉斯能量进行清晰度判断,对于高频分量,则先计算其各个尺度,不同方向高频分量的绝对值和,进而通过能量特征判断其清晰度,最后通过比较低频分量和高频分量清晰度决策图的相同和相异性得到融合图像。计算机仿真实验表明,本文算法得到的融合图像清晰度较好,熵、平均梯度、空间频率和互信息等客观评价指标值高于平均法和传统基于小波变换的图像融合算法,互信息量比文献[3]中的方法提高了约2.4倍,是一种有效的多聚焦图像融合算法。     

改进提升小波变换的空间频率比图像融合

提出了一种新型图像融合算法.该算法在提升小波变换的基础上,通过取消其奇偶分裂环节,得到具有平移不变性的非采样提升小波变换.对图像经非采样提升小波变换后的低频分量首先定义一种空间频率比,再通过空间频率比来计算融合因子,然后采用加权与选择相结合的方法对低频分量进行融合.高频分量直接选择一种基于边缘信息的加权融合方法.最后通过非采样提升小波逆变换重构得到融合图像.实验结果显示,该算法相对传统的图像融合算法能更好地描述灰度的突变信息,获得含有丰富细节特征的融合图像.     

基于双正交小波变换的资源二号卫星与多光谱影像融合方法研究

针对基于Darbechies等正交小波函数的遥感影像融合时引起失真的现象,引入双正交小波函数,提出了基于双正交小波变换的融合方法,对资源二号卫星和TM的多光谱影像的融合进行研究,并把融合结果与主成分、IHS和Brovey等融合结果进行比较。通过对光谱特征曲线、相关系数、光谱扭曲程度等分析和空间细节的对比,说明双正交小波融合方法除了提高空间分辨率外,最好地保持了多光谱影像的光谱特征,有利于专题信息的提取。     

非亚采样Contourlet遥感图像融合

非亚采样 Contourlet 变换是在非亚采样塔型滤波器及非亚采样方向滤波器组的基础上建立起来的,它是一种移不变多方向多尺度图像表示方法.介绍了该变换的结构特点与系数分布特性,并研究了基于非亚采样Contourlet 变换的图像融合算法.该算法利用非亚采样Contourlet 的平移不变性以及NSCT 系数特点,有效准确地提取图像边缘与细节区域,并分别在高、低频域针对不同区域采用不同的融合方法,有效挖掘了待融合图像中的有效信息.这种具有多分辨率分析和多方向滤波特点的处理方法,提高了融合后遥感图像中的信息量和清晰度,对不同分辨率不同方向上的信息进行挖掘及融合,解决了传统小波融合算法中方向数目受限的不足.通过仿真实验与传统融合方法进行比较,验证了该方法的有效性和优越性.     

基于小波融合的电容层析成像图像重建

提出了基于小波变换的电容层析成像重建图像融合方法。首先,使用共轭梯度最小二乘法算法及Landweber迭代算法分别进行图像重建;其次,将所得重建图像进行小波分解,其近似分量按加权平均的融合规则进行处理,细节分量按绝对值最大融合规则进行处理;最后,将融合之后的数据进行小波重构,获得新的重建图像。仿真及实验结果表明,融合后的重建图像精度有所提高、图像伪影明显减少。     

多义图像合成算法研究

提出了一种基于小波变换的多义图像合成算法。该算法首先通过视角来选择小波分解级对两幅目标图像进行小波分解,然后根据可选的小波融合规则和权值变量融合并重构出在两个视角下的多义图像;对小波算法与现有两种算法进行了分析比较,通过试验证明该算法合成的结果多义特性更好,合成图视觉效果醒目并充分保留原目标图像的色彩和细节特征。合成结果采取了均值降噪。     

Multifocus noisy image fusion using contourlet transform

Abstract

Image fusion is a challenging area of research with a variety of applications. The process of image fusion collects information from different sources and combines them in a single composite image. The composite fused image can better describe the scene than any of the source images. In this paper, we have proposed a method for noisy image fusion in contourlet domain. The proposed method works equally well for fusion of noise free images. Contourlet transform is a multiscale, multidirectional transform with various aspect ratios. These properties make it more suitable for image fusion than other conventional transforms. In the proposed work, the fusion algorithm is combined with a denoising algorithm to reverse the effect of noise. In the proposed method, we have used a level dependent threshold that is based on standard deviation of contourlet coefficients, mean and median of the absolute contourlet coefficients. Experimental results demonstrate that the proposed method performs well in the presence of different types of noise. Performance of the proposed method is compared with principal components analysis and sharp fusion based methods as well as other fusion methods based on variants of wavelet transform like dual tree complex wavelet transform, discrete wavelet transform, lifting wavelet transform, multiwavelet transform, stationary wavelet transform and pyramid transform using six standard quantitative quality metrics (entropy, standard deviation, edge strength, fusion factor, sharpness and peak signal to noise ratio). The combined qualitative and quantitative evaluation of the experimental results shows that the proposed method performs better than other methods.     

基于小波系数邻域特征的CT与MR图像融合方法

提出一种基于小波变换的像素级CT,MR医学图像融合方法,利用离散小波变换分别将两幅源图像进行多尺度分解,再用不同的小波系数邻域特征指导高频分量和低频分量的小波系数的融合,低频分量采用邻域方差指导,高频分量采用邻域能量指导,最后根据融合图像的各小波系数重构融合图像.实验表明:不论从主观感受,还是采用信息熵和平均梯度两项指标作为客观定量评价标准,该方法都优于传统的融合方法,获得的融合图像有效地综合了CT与MR图像信息,能够同时清晰地显示脑部骨组织和软组织.     

基于小波变换和形态学的织物疵点边缘检测

为了精确确定织物疵点边缘,提出了一种基于小波变换和形态学的织物疵点边缘检测方法.在利用形态学实现疵点检测后,对其进行小波分解,用小波模极大值法和基于数学形态学的算法分别提取高低频子图像的疵点边缘,采用合理的融合规则将两个边缘图像进行融合.实验结果表明,该算法能有效地抑制噪声,且边缘清晰、准确,效果优于经典的边缘检测算法,具有可行性和有效性.     

基于PCNN的图像融合新方法

本文提出了一种基于PCNN的新型图像融合算法.首先,对待融合的两幅图像进行平稳小波分解得到两组多尺度图像;接着,取其中任意一组作为主PCNN的输入、另一组相应的图像作为从PCNN的输入,在每次迭代时,经并行PCNN点火后,得到一系列多尺度融合图像;然后,对它们进行平稳小波反变换得到每次迭代的融合结果;最后,计算每次迭代结果的信息熵,取信息熵值最大的融合图像作为最终结果.大量的实验以及与其它融合算法的比较分析,表明了本文算法的有效性和优越性.     

一种抽样小波域的遥感影像融合新方法

针对传统图像融合方法的不足,提出了一种新的基于IHS变换与抽样小波变换的高清晰遥感影像融合方法.该方法将直方图匹配后的全色影像的高频系数作为融合后的高频系数,而融合后的低频系数依据新提出的融合规则得到,最后采用小波逆变换与逆IHS变换获得融合图像.实验结果表明,该方法在提高融合影像的空间分辨率与光谱质量之间得到了更好的折衷.该方法的计算复杂度接近于常用的基于抽样小波变换的融合方法,明显少于基于非抽样小波变换的融合方法.     

Image fusion based on wavelet transform and gray-level features

Image fusion makes the fused image more reliable and intelligible, and more suitable for human vision and computer detection, classification, recognition and understanding. This paper proposes a pixel-level image fusion method for merging two source images of the same scene using wavelet transform and gray-level features (GLF). First, a three-level discrete two-dimensional wavelet transform is used to decompose the two source images into low-frequency image components and horizontal, vertical, and diagonal high-frequency components. Then, the spatial frequency correlation coefficient is used to determine the pixel fusion rule to apply to each of the low-frequency images, and the correlation coefficient of the GLF is used to determine the pixel fusion rule to apply to each of the high-frequency images. Finally, the fused image is reconstructed using inverse wavelet transform. The results of the experiments conducted indicate that the proposed method is more effective than relevant conventional methods.