采用抗混叠移不变Contourlet变换的云图融合(英文)

融合多通道的卫星云图可为监测和预报天气状况提供更加全面可靠的信息。本文提出一种采用抗混叠移不变Contourlet变换(Aliasing-suppression and Shift-invariance Contourlet Transform,ASSICT)的卫星云图融合方法。首先,为了克服原始Contourlet变换的频谱混叠及移变问题,将抗混叠滤波器组与非下采样方向滤波器组相结合,构造出ASSICT;然后,对两通道卫星云图(红外与可见光)采用ASSICT分解成低频及若干高频方向子带,对低频子带系数采取加权区域能量融合规则,而对高频子带系数采取加权区域方差融合规则进行融合处理;最后,对融合后系数进行抗混叠移不变Contourlet逆变换,得到融合云图。实验结果表明,本文方法融合的云图,由于增添了可见光云图的纹理细节信息,不仅提高了原始红外云图的分辨率,而且较好地保留了红外云图的亮温信息。     

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。     

MC V-BLAST系统的MIMO信道盲估计

本文研究多载波垂直分层空时(MC V-BLAST)系统的下行频率选择性衰落多输入多输出(MIMO)无线信道估计问题.本文首先为MC V-BLAST系统提出了一种新颖的移不变性编码方法.利用上述移不变性性质,本文进一步提出了相应的下行频率选择性衰落MIMO无线信道的盲估计方法.仿真结果表明了本文移不变性编码方法的有效性和信道盲估计方法的性能.     

基于NSCT自适应阈值的红外图像去噪算法

提出自适应阈值的NSCT去噪算法.在对红外图像噪声特点分析的基础上,通过对NSCT构造特性的分析,提出了将自适应阈值的NSCT运用于红外去噪,并验证了其可行性.分析了图像尺寸和分解尺度对去噪的影响,获得去噪算法的优化.应用于几种不同的红外图像,对红外图像去噪视觉效果和峰值信噪比两方面进行比较,该去噪方法取得了较好的效果,尤其是在边缘保持方面.     

基于NSCT的SMP立体匹配算法研究

针对区域立体匹配算法中匹配窗口自适应选择的难点,提出一种基于多尺度分析Nonsubsampled Contourlet变换(NSCT)的快速区域立体匹配新算法.首先介绍NSCT并对其时移不变性进行讨论.采用由粗到精的匹配策略和快速的SMP匹配代价函数降低运算量.实验结果表明,该算法具有很高准确率.     

基于自相关函数建模的小波域SAR图像去斑方法

合成孔径雷达（SAR）图像的小波系数间存在重要的相关性．通过对这种相关性的精确建模可以改善图像的去斑效果。提出了一种新的基于自相关函数建模的小波域SAR图像去斑方法。首先对原始SAR图像进行对数变换．再用可控金字塔作多尺度和多方向分解．分别对图像和噪声系数的自相关函数精确建模．并在图像自相关函数中引入方向性解析式．再利用维纳滤波得到去噪后的小波对数图像，最后经指数变换得到去斑后的SAR图像。对合成图像和实际sAR图像的去斑实验表明，该方法较其他经典方法的去斑效果要好。     

梅花形采样离散小波框架图像融合算法

提出一种新的基于梅花形采样离散小波框架的图像融合算法. 首先论证多维完全重构滤波器组采样矩阵的可替换性, 由此推导出梅花形采样离散小波框架并分析其特性; 然后将该框架应用到多尺度图像融合方案得到一种低冗余近似移不变的融合算法; 最后对融合算法进行实验分析并与已有算法比较. 实验结果表明本文算法可以快速获取高质量的融合图像.     

基于小波-全相位方向滤波器组变换的多聚焦图像融合

利用全相位方向滤波器组良好的多方向性和平移不变性的特征,提出一种基于小波-全相位方向滤波器组变换的多聚焦图像融合方法。对不同聚焦图像进行小波-全相位方向滤波器组变换,采用加权平均算子对低频系数进行融合,采用局部方差准则对各个方向上的高频系数进行融合,对融合后的系数进行重构,得到高低频比例升高的融合图像。实验结果表明,与其它多聚焦图像融合算法相比,该方法显著减少均方根误差的值,提高峰值信噪比的值,使得融合图像效果好。     

基于特征向量的多谱线自旋回波串信号参数估计

针对存在加性高斯白噪声多参数变量的多谱线自旋回波串(Spin Echo Train,SET)信号参数估计问题,提出基于特征向量的2-D参数估计方法.将SET信号构造成2-D数据矩阵,按照不同的方式构造Hankel块矩阵束,利用子空间转移不变结构解得特征向量,依据特征向量的结构规律获得衰减因子和频率,基于最小二乘方法进一步获得信号幅度估计.该方法具有自动配对的能力,在相对高信噪比以及频率可分辨的情况下能够实现参数的有效估计,且计算复杂度较低.仿真数据结果证明了算法的有效性.     

A novel multi-modal medical image fusion method based on shift-invariant shearlet transform

Abstract

Medical image fusion plays an important role in clinical applications, such as image-guided surgery, image-guided radiotherapy, non-invasive diagnosis and treatment planning. Shearlet is a novel multi-scale geometric analysis (MGA) tool proposed recently. In order to overcome the drawback of the shearlet-based fusion methods that the pseudo-Gibbs phenomenon is easily caused around the singularities of the fused image, a new multi-modal medical image fusion method is proposed in shift-invariant shearlet transform domain. First, the original images are decomposed into lowpass sub-bands and highpass sub-bands; then, the lowpass sub-bands and high sub-bands are combined according to the fusion rules, respectively. All the operations are performed in shift-invariant shearlet domain. The final fused image is obtained by directly applying inverse shift-invariant shearlet transform to the fused lowpass sub-bands and highpass sub-bands. Experimental results demonstrate that the proposed method can not only suppress the pseudo-Gibbs phenomenon efficiently, but perform better than the popular wavelet transform-based method, contourlet transform-based method and non-subsampled contourlet transform-based method.