基于多特征的红外与可见光图像融合

针对传统图像融合方法易导致融合图像整体对比度低及细节反差小的问题,提出一种多特征加权多分辨率图像融合方法。首先,对多尺度分解后的低频系数进行边缘特征、平均梯度特征的提取,同时对高频系数进行相关信号强度比特征的提取。然后,通过边缘特征级融合指导像素级图像融合得到高频系数;针对合成模块中简单加权法易引起边缘或纹理局部模糊的问题,提出分两种情况分别合成同一位置的多尺度分解系数。最后,通过平均梯度特征自适应加权得到融合图像的低频系数,并对低频和高频系数进行多尺度逆变换得到融合图像。实验表明,本文方法的融合性能优于经典的融合方法,其融合质量评价指标中的标准差、空间频率、信息熵和平均梯度分别提高了15.12%、4.30%、6.15%和3.44%。     

视觉多通道梯度与低阶矩自适应图像评价

针对现有图像梯度特征质量评价方法的不足,充分考虑人类视觉系统(HVS)特性,提出了一种基于HVS多通道梯度和低阶矩联合(MGLJA)方法。MGLJA基于log-Gabor滤波器提取图像的多通道视觉特征并予以阈值稀疏化处理;然后以梯度相似度算法和低阶矩失真度算法分别评价各通道视觉特征的能量特征和结构特征;在评价融合阶段,MGLJA首先依据视觉中央凹空域加权局部评价,其次依据对比度函数频域加权各通道评价;最后,通过一步快速回归算法自适应地融合梯度评价和低阶矩评价得到待测图像的质量评价。不同类型和水平失真图像的实验结果表明,MGLJA方法的斯皮尔曼原始排序相关系数、回归曲线的相关系数及均方根误差等评价指标均优于PSNR类传统方法,与特征结构相似度(FSIM)及视觉显著(VSI)等新方法相比整体性能上也有较大优势,且评价实时性也明显优于FSIM方法。     

应用第二代Curvelet变换的遥感图像融合

提出了一种基于第二代Curvelet变换遥感图像融合算法。将具有高空间分辨力的Pan图像与Ms图像的待融合波段图像进行直方图匹配,并对直方图匹配后的Pan图像与待融合波段Ms图像分别进行Curvelet变换分解,得到各自的低频子带系数和各带通方向子带系数;采用一定的融合规则对Curvelet变换系数进行组合得到融合图像的Curvelet系数;最后对组合后的系数进行Curvelet重构得到该波段具有高空间分辨力的Ms图像。对IKONOS卫星遥感图像的仿真实验结果表明:与传统的基于亮度-色调-饱和度彩色空间变换融合算法相比,该算法使融合后的Ms图像整体光谱保持度提高了10.54％,而与传统的基于小波变换的图像融算法相比,其空间质量提高了0.81%~1.12%, 有效解决了基于亮度-色调-饱和度彩色空间变换融合算法中光谱失真严重和基于小波变换图像融合算法中空间质量较低的缺点,使得融合后的Ms图像在最大可能地保持原始Ms图像光谱特性的同时,显著提高了融合图像的空间质量。     

结合引导滤波和卷积稀疏表示的红外与可见光图像融合

为了解决红外与可见光图像融合时信息容易相互干扰、影响融合质量的问题,将引导滤波、高斯低通滤波与非下采样方向滤波器组相结合,提出一种新的图像融合方法。利用引导滤波和高斯低通滤波,将源图像分解为低频近似部分、强边缘部分和高频细节部分,并将高频细节部分进行非下采样方向滤波,进一步得到高频方向细节部分;对低频近似部分应用基于局部区域能量的融合规则,对强边缘部分提出一种基于卷积稀疏表示的融合规则,对高频方向细节部分提出改进的脉冲耦合神经网络的融合规则,得到相应的融合部分,并通过逆变换得到最终的融合图像。对多组红外与可见光图像的实验结果表明,算法得到的融合结果的主观视觉效果和客观评价指标均优于传统的图像融合方法,其客观评价指标中的标准差、信息熵、互信息、平均梯度和空间频率相比融合效果较好的基于离散小波变换和稀疏表示的融合方法平均提高20.28%、2.24%、47.41%、5.34%、8.02%。     

无人机遥感山区公路图像去噪方法

为实现对遥感图像较好的滤波去噪效果并有效保持图像边缘细节,提出一种自适应开关均中值融合滤波方法,可有效处理无人机拍摄的公路遥感图像.首先,选定遥感图像的局部区域,并设定梯度变换阈值大小,同时为标记该区域内的各个像素点,定义标志数组.然后,与阈值进行比较,若当前用于比较的像素点的值比梯度阈值大,则进行自适应开关均中值融合滤波,利用自适应选定阈值来替代传统开关均中值滤波器的固定阈值;若当前像素点小于梯度阈值,则选取改进梯度倒数进行加权平滑处理,即针对图像局部区域建立相关函数,将权值参数按照局部统计特性适应性进行调整.由实验结果可知,与传统梯度倒数加权平滑算法相比,自适应开关内中值融合滤波算法能够滤除遥感图像中的脉冲和椒盐噪声,对其他类型的噪声也有较好的效果,同时保留了图像的边缘细节信息.实验结果表明,滤波处理的图像平均梯度指数提高了 ３．１６％ ,且参数均方误差( MSE )减少了约 ５％ ,具有较高的应用价值.     

基于Red-Black小波变换的多光谱图像融合方法

针对张量积小波在多光谱图像融合中的不足,提出了一种基于Red-Black小波变换的多光谱图像和高空间分辨率全色图像融合方法.首先对多光谱图像进行IHS变换,将得到的亮度分量和高空间分辨率全色图像进行直方图匹配,并分别作多尺度Red-Black小波分解,然后对低频部分采用加权平均、高频部分采用替代的融合算法对分解子图像进行融合,最后对融合后的各级子图像进行Red-Black重构和IHS逆变换得到融合结果图像,采用客观性能指标对融合结果图像进行了评价.实验结果表明,该方法有较好的融合效果,其保持光谱质量和空间分辨率信息的能力比基于IHS变换融合方法、基于DWT的融合方法和基于IHS-DWT的融合方法都强.     

超光谱遥感图像特征分析

超光谱遥感图像是一种三维立体图像,可反映地物的空间信息和光谱信息,其数据量庞大.本文通过对实际多光谱遥感图像的测试,分析了空间相关性和谱间相关性;计算出自相关系数和互相关系数;并与普通图像进行比较,揭示了超光谱图像的特征,为超光谱图像处理和压缩编码奠定了理论基础.     

高空间分辨率和高光谱遥感图像融合技术

高光谱技术的发展与应用对高维的高光谱遥感数据的处理方法提出了更高的要求,其中高光谱融合技术是热门并具有相当难度的研究领域.高光谱图像数据与高空间全色波段数据进行融合处理,可以在大大改善融合后成象光谱图像空间解析特性的条件下,选择性保持满足应用需求的成象光谱图像的光谱物理特性和波形形态,为深入地研究提供更好的条件.本文介绍了高光谱与高空间影像融合一些典型算法,着重研究了基于最佳指数准则的高光谱图像融合方法,并给出了上海地区PHI高光谱数据和高分辨率全色航空像片融合实例,展现了该技术良好的应用潜力.     

基于二代小波变换和PCNN的高光谱图像融合算法

采用信息融合技术可以降低高光谱遥感图像的分析难度。本文提出一种基于二代小波变换和脉冲耦合神经网络(PCNN)的融合算法。在利用自适应子空间分解技术将高光谱图像的数据空间划分为数个子空间后,对各子空间内的每一波段图像进行二代提升小波分解。对低频系数部分进行方差加权融合的同时利用PCNN的脉冲同步和全局耦合特性对高频系数部分进行选取,最后用二代小波逆变换得到各子空间的融合图像.其仿真实验结果显示:所提算法有效降低了高光谱图像维数,很好保留了原图像的信息,效果优于单一的一代小波和二代小波融合算法。     

基于压缩感知的红外与可见光图像融合

基于压缩感知理论提出了一种红外与可见光图像的融合新方法。该方法将Contourlet变换(CT)和小波变换(WT)相结合,以进一步增加变换后系数的稀疏性,同时对采样模式和融合规则进行改进。首先对图像进行Contourlet变换,再对各高层分解系数进行正交小波变换;然后使用各层采样率不同的分立双放射形采样矩阵对系数采样,并用不同的规则对各层采样值进行融合;最后使用非线性共轭梯度法重构融合图像。实验结果表明,在采样率为0.5时,本文方法融合图像的细节信息比小波方法和小波变换压缩感知(WTCS)方法更加丰富;在所有采样率上,本文方法的融合效果比WTCS法在互信息、空间频率和融合信息逼真度等客观融合质量评价指标上均提高约10%。     

基于快速交替引导滤波和CNN的红外与可见光图像融合

为了解决红外与可见光图像融合中出现细节信息丢失,边缘模糊以及伪影的问题,本文提出一种快速交替引导滤波,在保证融合图像质量的前提下有效提高运行效率,结合CNN（卷积神经网络）以及红外特征提取进行有效的融合。首先,对源图像利用四叉树分解和贝塞尔插值来提取红外亮度特征结合可见光图像得到初始融合图像。其次,通过快速交替引导滤波获取源图像的基础层与细节层信息,基础层通过CNN与拉普拉斯变换得到融合后的基础图像,细节层通过显著性测量的方法得到融合后的细节图像。最后,将初始融合图、基础融合图以及细节融合图进行相加得到最终融合结果。本算法涉及到的快速交替引导滤波以及特征提取性能使得最终融合结果中包含丰富的纹理细节信息,边缘清晰。经实验表明,本算法所得融合结果在视觉方面具有较好的保真度,客观评价指标较对比方法其信息熵、标准差、空间频率、小波特征互信息、视觉保真度以及平均梯度分别平均提高了9.9%,6.8%,43.6%,11.3%,32.3%,47.1%。     

多传感器图像融合的客观评价与分析

图像融合作为一种有效的信息融合技术，已经广泛用于军事、遥感、机器视觉和医疗诊断等领域。这里研究了多传感器图像融合效果的客观评价方法，其中包括均方根误差、平均误差、灰度标准差、熵、熵差、交叉熵、互信息和空间频率。将加权平均、金字塔、小波变换三种方法用于多传感器图像的融合，实验结果表明客观评价结果与视觉评价的结果是一致的，是一种行之有效的评价手段。     

彩色融合图像的质量主观评价

考虑人眼主观评价在彩色融合图像质量评价中的重要作用,设计了52人的彩色融合图像质量主观评价实验。采用"目标背景的感知对比度","清晰度","颜色协调性","颜色自然感"4个单一评价指标以及"基于目标探测的图像感知质量","基于场景理解的图像感知质量"2个综合评价指标对绿地、海天和城镇3类典型场景、8种融合算法获得的240幅彩色融合图像进行了主观评价,并依此进行指标分值归整及相关性分析,建立了2个综合指标的预测模型。实验结果表明:彩色融合图像的"颜色协调性"和"颜色自然感"有较高的相关性;基于目标探测的图像感知质量可用"目标背景的感知对比度"和"清晰度"来描述,基于场景理解的图像感知质量可用"颜色协调性"和"清晰度"来描述。但是对于不同的场景,每个指标的影响效果不同,所以预测模型中的权重系数不同。     

结合颜色线和暗通道的遥感图像去雾

为了解决遥感图像中存在雾气引起图像可见度下降的问题,提出一种基于颜色线先验和暗通道先验的遥感图像去雾算法。针对颜色线先验对部分场景不适用的情况,提出一种基于最小二乘的透过率优化方法,通过计算先验可信度权重来加权融合颜色线先验和暗通道先验估计的透过率图,以获得更为准确的透过率分布。为了避免halo效应,在优化方程中加入梯度正则化约束。实验结果表明,本方法对透过率估计准确,重建结果清晰度提升明显。另外,该方法改善了客观评价指标,其灰度平均梯度（GMG）和信息熵（IE）平均值最高,取得了最佳的重建效果。     

基于非下采样双树复轮廓波变换和稀疏表示的红外和可见光图像融合

提出了一种基于非下采样双树复轮廓波变换(NSDTCT)和稀疏表示的红外和可见光图像融合方法,以改善传统的基于小波变换的图像融合方法的不足。该方法首先利用形态学变换处理源图像,利用NSDTCT变换进行图像分解得到低频子带系数和高频子带系数。根据高低频系数的不同特点,提出改进的稀疏表示(ISR)的融合规则用于低频子带;然后将改进的空间频率作为脉冲耦合神经网络的外部输入,提出基于自适应双通道脉冲耦合神经网络(2APCNN)的融合策略用于高频子带。最后通过NSDTCT逆变换获得融合后的图像。实验结果表明:本文方法在客观指标和视觉效果方面均优于传统图像融合的方法。与传统的NSCT-SR方法相比,实验的两组图像中4个客观指标:互信息(MI)、边缘信息保留量QAB/F,平均梯度(AG)和标准差(SD)分别提高了9.89%、6.39%、104.64%、55.09%和9.53%、17.77%、95.66%、52.89%。     

基于静态小波变换的变透明度法融合GFP荧光与相衬图像

绿色荧光蛋白荧光图像与相衬图像的融合对蛋白质功能的研究和亚细胞结构的定位有重要价值。针对成功用于遥感图像融合的ARSIS概念下多尺度融合算法融合荧光图像与相衬图像时易产生伪像的缺点,提出变透明度的概念,根据直观视觉效果设计一组函数,为融合图像的每一像素分配尺度透明度,并基于静态小波变换的分解结果对源图像进行融合。先通过30组图像的融合实验,估计出所设计函数的相应参数,然后用于对另外117组图像的融合测试,分别计算融合结果的荧光区和非荧光区与荧光图像、相衬图像的质量指数Q和高频相关系数HPCC这两个表征融合效果的特征参数。结果表明,相比常用的融合算法--透明度法、棋盘格法和静态小波替换法,本方法在保持交互可变透明度的同时,提高了融合结果细节的清晰程度,降低了荧光图像背景对融合结果的影响。     

基于角点检测的高精度点匹配算法

针对多光谱、多传感器遥感图像的自动配准,本文提出新的基于角点检测的高精度点匹配算法.该算法充分利用图像的点特征以及灰度和位置信息,先由Harris算子检测得到待匹配的角点集合,随后采用局部灰度相关进行粗匹配得到多对多匹配对,然后进行迭代由精匹配得到一对一的匹配对,最后利用角点间距离比进行全局一致性检测,进一步保证匹配的准确率.初步实验表明,本算法对于存在仿射变换的遥感图像可以精确自动匹配,其精度和速度都优于传统的点匹配算法.     

强度图像和偏振度图像融合网络的设计

为了弥补强度图像在阴暗处丢失纹理细节的劣势,结合偏振度图像的偏振特性,本文提出了一种强度图像和偏振度图像的融合方法。首先,构建编码器网络提取源图像的语义信息和纹理细节。随后,特征融合网络采用加法策略和残差网络进行图像特征融合。最后,通过解码器网络对融合后的图像特征进行重构获得最终的融合图像。此外,根据源图像和融合图像之间的结构相似性损失和梯度损失,本文提出了一种改进的损失函数来引导融合网络训练。实验结果表明：与其他6种方法中融合效果最好的改进的双通道脉冲耦合神经网络（MD-PCNN）相比,本文方法的客观评价指标平均梯度、信息熵、图像质量、标准差和改进的多尺度结构相似性分别提高了4.3%,1.0%,8.1%,2.5%,3.1%,图像噪声降低了8.8%,且克服了强度图像在阴暗处丢失纹理细节的问题。     

融合空谱-梯度特征的深度高光谱图像去噪

为了去除高光谱图像采集过程中产生的噪声,提升后续图像处理的性能,提出了一种融合空谱-梯度特征的深度高光谱图像去噪方法.它包括空谱特征网络和梯度特征网络,且各网络使用密集跳跃连接和可分离卷积策略进行优化.空谱网络模型实现噪声特征的精确提取,梯度网络模型对噪声纹理特征进行补充,最后基于两个网络的特征提取结果进行融合,实现噪...     

基于D-S证据理论的发动机信息融合故障诊断模型

建立了基于D-S证据理论的发动机信息融合故障诊断模型.通过油液光谱分析得到监测元素的浓度值、梯度值和比例因子,采用模糊综合评判法将其组合在一起作为光谱各元素的综合评价指标,同理得到铁谱磨粒总数和各磨粒综合评价指标.最后,利用故障诊断模型对所得的16个光谱、铁谱综合评价指标进行融合,提高了故障诊断的准确率,实现了发动机故障的准确诊断.