基于小波变换的不同融合规则的图像融合研究

图像融合是一种重要的增强图像信息的方法。提出了一种基于多尺度分解的像素图像融合方法。利用小波变换按照不同融合规则及融合算子构造融合图像对应的小波系数。通过对可见光图像与红外图像进行融合的实验比较表明，以像素的局部能量为准则的融合效果更好，既可避免传统融合规则的信息损失，又提高了融合图像的空间分辨率和清晰度，融合图像更符合人的视觉特性，也有利于机器视觉。     

基于子波相关算法的红外图像点目标检测( 英文)

红外图像中点目标的检测技术是近年来信息处理研究的热点和难点之一。目标在图像中的表现为点状 ,且信噪比低 ,目标被噪声 (杂波 )淹没。现结合前人的一些检测算法 ,按照背景信号和噪声在相邻的子带间所表现出的不同相关性这一特点来进行背景信号、噪声的分析 ,提出了基于子波相关算法的点目标的检测方法 ,并对其进行了仿真和软件编程。结果表明这种算法具有很好的检测能力     

小波分析方法在医学图像融合中的应用

在临床的实际应用中,单模态的医学图像(CT,MRI)的3D重建不能提供医生所需要的足够信息. 由于成像机理不同和人体组织结构的高度复杂性,不同模态的医学图像提供了不互相覆盖的结构互补信息. 为此在医学图像配准的基础上提出基于小波变换的最大值融合规则,局部平均梯度融合规则,区域能量融合规则等算法. 通过对CT图像与MRI图像基于小波变换的不同融合规则及融合算子进行融合的实验结果比较表明,以区域能量融合规则作为准则的融合效果更好. 能够把这两种图像优点结合在一张图像上,这样能为病变提供准确的定位参照,能清晰地显示病变自身,对诊断和治疗更加有利.     

基于子波相关算法的红外图像点目标检测

红外图像中点目标的检测技术是近年来信息处理研究的热点和难点之一，目标在图像中的表现为点状，且信噪比低，目标被噪声（杂波）淹没，现结合前人的一些检测算法，按照背景信号和噪声在相邻的子带间所表现出的不同相关性这一特点来进行背景信号、噪声的分析，提出了基于子波相关算法的点目标的检测方法，并对其进行了仿真和软件编程，结果表明这种算法具有很好的检测能力。