基于粒子群优化的多分辨率图像融合

提出了一种基于粒子群优化的多分辨率图像融合算法,用以融合红外与可见光视觉传感器获取的图像。分别对原始图像执行快速离散Curvelet变换;根据不同子带系数的特性与原始图像的光谱特征,在低频系数的融合中着重保留目标特征,并对其余系数选取基于Tsallis熵的互信息量作为评价指标,进而利用改进的粒子群优化算法求取最佳系数融合权值;对各高频子带系数采用基于局部区域能量匹配的融合规则。经过Curvelet逆变换得到融合结果图像。实验结果表明,该算法可以有效地综合红外图像中的目标特征与可见光图像中的细节信息,其融合结果在主观视觉效果与客观评价指标上均优于传统的基于塔形变换与小波变换的融合算法。     

基于非下采样轮廓波变换与引导滤波器的红外及可见光图像融合

为克服传统融合方法对灰度相关性较弱的红外与可见光图像融合存在的不足,提出一种基于 非下采样轮廓波变换（NSCT）与引导滤波器的融合方法。利用NSCT对源图像进行多尺度多方向分解,分离出包含在不同频带内的特征信息,得到一个低频近似图像和多个高频方向细节图像;局域窗口加权平均能量和改进拉普拉斯能量分别作为低频近似图像的活性测度,构造显著特征图对近似图像进行加权平均,以解决能量保持和细节提取两个关键问题;在方向细节图像中,基于活性测度取大规则获得决策映射图,将源图像作为引导图、决策映射图作为输入图像进行引导滤波,得到权重分配图,对方向细节图像进行加权平均,降低噪声的敏感度。对融合后的近似图像和方向细节图像进行NSCT逆变换,得到最后的融合图像。采用多组红外与可见光图像进行融合实验,并对融合结果进行客观评价。实验结果表明,该融合方法在主观和客观评价上均优于已有文献的一些典型融合方法,如基于两尺度分解的引导滤波融合方法、NSCT域内稀疏表示融合方法、基于像素显著性的交叉双边滤波融合方法、基于深度学习的卷积神经网络融合方法、基于显著性检测的双尺度融合方法,可获得更好的融合效果。     

基于粒子滤波的目标图像多特征融合跟踪方法

研究了序列图像中红外弱小目标的检测跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于粒子滤波的目标图像多特征融合跟踪方法.从红外序列图像中提取了局部灰度均值对比度、局部梯度均值对比度、局部熵和灰度分布四个典型特征,根据各个特征对弱小目标检测的贡献,自适应地进行特征融合.在粒子滤波的框架下,将融合后的特征信息转化为粒子的权值,对红外弱小目标进行跟踪.仿真试验表明,该算法有着良好的检测与跟踪性能.     

基于NSCT的红外与可见光图像融合算法

针对红外与可见光图像融合,提出了一种基于NSCT的图像融合方法。首先对图像进行NSCT分解;然后对分解后的子带系数采用基于区域能量匹配度的融合规则分别进行融合:对于低频子带,使用区域能量和方差构造决策值,并使用决策值选大与加权平均相结合的方法进行融合,对于高频子带的最高层采用像素绝对值选大法进行图像融合,对于高频子带的其他层,采用基于区域能量匹配度的区域方差选大的融合规则进行融合;最后使用NSCT逆变换对融合后的系数进行重构得到融合图像。实验结果表明,该融合算法可以获得更多的细节信息,并且获得较理想的融合图像。     

一种基于小波变换的可见光与红外图像融合算法研究

为了解决可见光与红外图像所表现的目标特征不一致的问题,提出了一种红外与可见光图像融合算法.首先利用小波变换将图像进行多尺度分解,然后提取不同分辨率、不同方向下的小波系数,采用不同的融合算法构造融合图像对应的小波系数,最后利用该小波系数重构融合后的图像.实验结果表明,该算法在红外与可见光图像融合处理中取得了很好的融合效果,有效地将红外和可见光对同一目标所表现出不同的特征、细节融合在一幅图像里,增加了单幅图像的信息量,丰富了目标的信息层次,为图像显示观察和后续图象处理系统获取信息提供了基础.     

基于非下采样Contourlet 变换和稀疏表示的红外与可见光图像融合方法

针对非下采样Contourlet 变换( NSCT) 中低频子带系数稀疏度较低不利于融合的问题,提出基于NSCT 和稀疏表示的图像融合方法。对红外与可见光图进行NSCT 变换;对稀疏度较低的低频子带系数提取共有和特有系数,并按照特有系数的活动水平自适应调整权重融合;对稀疏度较高的高频方向子带系数,采用同一尺度下系数绝对值之和最大的方法进行融合。经NSCT 逆变换后得到融合图像。实验结果表明,与传统基于变换的DWT、NSCT 融合方法以及基于稀疏表示的SOMP、JSR 算法比较,文中方法可以获得更好的融合效果。     

基于最长曲线法的海天线检测算法

通过分析红外图像的特点,给出一种基于最长曲线的海天线检测方法,根据所要处理的红外图像自适应选取 Canny 算法的阈值进行边缘检测,精确提取海面和天空区域的分界线-海天线.首先对红外图像进行中值滤波消除噪声,然后采用自适应阈值的 Canny 算子进行边缘检测,对检测得到的边缘进行边缘连接形成相互独立的几个目标,然后对各目标进行目标标定,最后基于最长曲线法进行海天线检测.     

一种基于局部能量的自适应图像融合方法

文中提出了一种基于局部能量的自适应图像融合方法.首先对原始图像进行小波分解,得到低频和高频子图像.然后分别计算高频子图像的局部能量,再根据不同图像的相应局部能量,计算局部能量熵,根据值局部能量熵赋予其不同的加权系数,从而实现自适应的信息融合.最后通过小波反变换,得到完整的融合.实验结果表明该方法有较好的融合效果.     

百分位形态变换在红外图像边缘检测中的应用

针对红外图像对比度低、边缘模糊、噪声大、空间相关性强的特点,提出了一种基于图像形态学的红外图像边缘检测方法。采用并行复合顺序形态滤波算法对图像边缘进行增强和锐化并抑制高频噪声;根据百分位形态滤波相关概念及性质构造的边缘检测算子,进一步滤除红外图像中的噪声,提取图像边缘。实验结果表明,本文提出的算法可以有效地克服红外图像的缺陷,保持图像边缘细节,优于传统边缘检测器。     

基于亮度自适应调整的低对比度红外图像增强算法

为了克服传统红外图像增强算法中目标对比度差,无法有效识别感兴趣区域目标的缺点,提出一种基于亮度自适应调整的图像增强算法。该算法从人眼视觉感知特性出发,兼顾图像全局亮度自适应调整与局部特征增强,之后对整幅图像归一化处理,使图像整体对比度增强的同时纹理细节更加清晰。实验结果表明:直方图增强后的图像对比度提高,但是纹理细节不清晰;由Retinex算法增强的图像可以看到纹理细节,提出的基于亮度自适应调整增强算法处理后的图像不但纹理细节清晰,而且与Retinex增强图像相比图像对比度明显提高,视觉效果好。     

基于形态学金字塔的医学图像融合技术

针对像素级医学图像的融合问题,设计一种形态学金字塔的医学图像融合技术。先对医学图像进行形态学的平滑处理,再进行形态学金字塔分解,最后对形态学金字塔进行反变换以获取最终的融合图像。从平均梯度、联合熵、相关系统对图像融合质量做客观评价,并以Windows XP的操作系统为实验环境进行融合实验。从融合效果来看,文中技术能将CT图像和MRI图像融合成一幅信息量饱满的单一图像。实验结果表明:该技术与同类其他方法比较,平均梯度能提高10.30%~36.76%,联合熵能提高5.04%~36.83%,相关系数能提高0.94%~31.52%。     

改进的基于区域能量的图像融合方法

图像的不完全配准往往使得应用传统的基于区域能量的融合规则所求得的区域能量“匹配度”出现负值的情况．导致区域之间的能量远近程度很难判定。文中详细分析了产生这一现象的原因，提出了通过引入绝对值．对传统的基于区域能量的“匹配度”改进的方法，并给出了新的融合规则。最后，针对传统的和改进的融合方法，进行了仿真研究。     

一种基于SIFT特征的序列图像拼接算法

针对序列图像拼接问题，提出一种基于尺度不变特征（SIFT）的自动拼接方法。该方法首先计算图像SIFT特征向量，作为匹配的依据，其次利用SIFT特征进行图像配准，进一步配准的基础上利用图像交叠处距离差来线性融合边缘，取得较好的平滑的镶嵌效果，最后通过对真实场景序列图像进行拼接，实验验证了该方法的有效性．     

基于相位一致性的结构相似度图像融合质量评价方法

在红外(IR)图像和可见光CCD图像融合效果评价中,结构轮廓对人眼感知的影响非常重要,而相位一致性（PC）模型生成的PC图像很好地在红外(IR)图像和可见光CCD图像融合效果评价中,结构轮廓对人眼感知的影响非常重要,而相位一致性（PC）模型生成的PC图像很好地保留了结构轮廓特征,且不受图像亮度和对比度变化的影响。提出了基于PC的结构相似度（SSIM）图像融合质量评价方法;利用SSIM模型分别产生融合图像相对于IR图像和可见光CCD图像的SSIM图像;根据PC模型产生IR和可见光CCD各自的PC图像;根据人眼对轮廓和非轮廓区域的重视程度的不同,利用各自的PC图像对SSIM图像进行加权; 最终利用信息熵加权得到融合图像的评价指标。实验中,在对实验图像进行主观评价和多种客观评 价指标计算的基础上,首次计算了非线性相关系数和斯皮尔曼等级相关系数(SROCC),最后统计分析实验数据。实验结果表明该方法较以往评价方法具有更好的主客观一致性。     

基于金字塔算法的绝热层超声粘接图像的融合

针对固体火箭发动机绝热层粘接的超声检测C扫描图像,提出了利用金字塔算法融合降低噪声的方法,讨论了融合的步骤与规则,并将其用于实际检测的粘接图像,实验表明采用所提出的方法可以提高粘接检测图像的信噪比。     

基于红外图像差值图的模糊边缘检测方法

针对红外图像边缘检测这一难题,提出了一种基于红外图像差值图的模糊边缘检测方法。首先通过计算图中每个像素点与其邻域8像素点灰度值的差值,然后寻找这些差值的最大值得到图像的差值图,接着对差值图像的边缘区域和平滑区域进行模糊划分,利用差值直方图模型确定红外图像差值图的分割阈值,从而实现边缘提取。实验结果表明,该方法用于红外图像边缘检测能获得较好的效果。