非采样Contourlet变换的多尺度积图像融合算法

为了得到优质的融合图像,提出了一种新的基于非采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)的多尺度积图像融合算法.分别讨论了低频子带与各高频子带系数的选择方案.当选择融合图像的低频子带系数时定义了一种新改进的拉普拉斯能量和(Sum modified - lplacian,SML),设计了一种基于新改进拉普拉斯能量和的加权与选择相结合系数选择方案;在选择各高频方向子带系数时,根据多尺度积具有放大信号边缘特征,降低信号噪声的特点,提出了一种基于NSCT方向多尺度积的系数选择方案,从而不仅能恰当地选择出融合图像的NSCT各方向子带系数,有效保留图像的细节特征,而且能抑制噪声对融合算法的影响.实验结果表明,该方法优于基于小波变换和提升静态小波变换的图像融合算法,得到视觉效果更好,客观评价更高的融合图像.     

基于边缘检测与改进最大类间方差法的火箭序列图像分割算法

针对某基地提出的基于机器视觉的火箭跟踪伺服系统对火箭目标分割提取的要求,提出了带有衰减因子的Prewitt边缘检测算子与改进的最大类间方差法相结合的图像分割方法。根据火箭的形态特征提出了一种带方向非线性滤波去噪法,对分割后所得到的图像做了进一步去噪处理,除去了与火箭形态无关的边缘。仿真实验表明,采用该方法对火箭目标正确分割率为96.5%,并能够实时有效地对火箭序列图像进行有效分割。