基于NSPT域PCNN-SC的图像超分辨率重建

结合多尺度变换和脉冲耦合神经网络(PCNN)的 优点,将空域的稀疏编码(SC)算法通过非 下采样金字塔变换(NSPT)转换应用到频率域进行重建,并结合改进的PCNN对SC算法中的 最优系数 采用一种新的方法进行获取,进而提出一种新的超分辨率重建(SRR)模型与算法。首先将 图像进行三次B 样条 放大处理,然后采用NSPT对图像进行多尺度分解得到高低频子带系数。对于低频子带,运 用PCNN-SC 完成重建;对高频子带,将其与预测高分辨(HR)图像的特征图像运用改进的PCNN经图像融合 完成重建。最后 通过逆NSPT得到HR图像。实验表明,本文算法在主观视觉效果和客观数据都获 得了较好的效果。     

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%。     

结合NSCT与插值的图像超分辨率重建

针对传统超分辨率重建算法中存在的不足,提出一种基于非下采样轮廓波变换(NSCT)和插值的单幅图像超分辨率重建算法。首先对低分辨率图像进行NSCT变换处理,将得到的低频子带及高频子带系数分别进行软判决自适应插值和三次样条插值,再对三次样条插值后的高频系数进行形态学增强。对插值后的低频子带进行稀疏表示,通过香农熵取大的融合规则进行融合;对于高频子带,采用一种运用子带系数的空间频率、梯度指标信息,并与高斯隶属函数相结合的自适应融合规则进行融合。最后对融合后的系数进行NSCT逆变换得到重建图像。实验结果表明,该算法无论在主观视觉效果和峰值信噪比、结构相似性等客观指标上均优于其他经典的重建算法,进而验证了该算法的有效性。     

非下采样四元数剪切波变换域的图像融合

目的 由于一些光学镜头聚焦范围的有限性,很难对同一场景中所有物体都清晰地成像在一幅图像中,而将同一场景中的多幅源图像进行融合可以得到一幅全景更加清晰的图像,为了增强融合图像的质量,提出了一种新的非下采样四元数剪切波变换（NSQST）的图像融合算法。方法 首先将源图像经过NSQST分解得到低频子带系数和高频子带系数;其次,对低频子带,提出了一种改进的稀疏表示（ISR）的融合规则;对于高频子带,提出一种改进的空间频率、边缘能量和局部区域相似匹配度相结合的融合规则;最后通过NSQST逆变换得到融合图像。结果 与其他5种融合方法进行对比,本文方法获得了较好的客观指标和视觉效果,其中与NSCT-SR算法相比,本文方法获得的4个客观指标分别提高了3.6%、2.9%、1.5%、5.2%,3.7%、3.2%、3.2%、3.0%和6.2%、3.8%、3.4%、8.6%。结论 通过多聚焦图像进行融合实验,实验结果表明该方法可进一步应用于目标识别、医学诊断等领域。