一种形态学多小波变换多聚焦图像融合方法

给出了一种形态学多小波变换多聚焦图像融合方法.该方法利用不同的小波对待融合图像进行小波分解,采用形态学灰度形态梯度边缘检测算子对低频子图像进行边缘检测,以更好地保存图像边缘细节信息;采用加权平均方法选择高频系数.对两组多聚焦图像进行实验表明,采用这种方法能够更好地保留图像边缘信息,融合效果明显优于传统的图像融合方法.     

一种多聚焦图像融合方法

提出一种基于小波变换的多聚焦图像融合方法．该方法首先通过小波变换得到源图像的小波系数,然后对低频和高频分量采用不同的融合规则和融合算子构造融合图像的小波系数,最后基于一致性检测由高低频融合系数得到最终的融合结果．用两组源图像数据验证所提出的融合算法,并与其他融合算法进行比较,仿真结果表明该算法在多聚焦图像融合中优于其他方法．     

基于多小波变换的多聚焦图像融合

多聚焦图像融合的关键问题是如何保持原始图像的边缘和细节信息。多小波分析具有多个分析基函数和产生更多分解子图像的特点。在多小波变换域对低频和高频小波系数采用不同的融合方法——对低频系数采用取平均的方法,而对高频系数采用边缘梯度对比的方法。通过实验证明,该方法能够很好地保存图像的边缘和细节信息,融合结果得到了改善。     

基于小波变换的多聚焦图像融合方法

介绍一种利用小波变换实现多聚焦图像融合的方法,它针对小波变换后图像的近似部分和细节部分采用不同的融合规则,组成一个新的小波分解系数,再进行小波重构,即可得到融合图像.实验结果表明,基于小波变换的多聚焦图像融合方法具有良好的效果.     

一种基于梯度的多聚焦图像融合算法

本文研究了基于梯度算子的多聚焦图像融合方法,对源图像小波变换的低频分量、高频分量分别采用加权平均、基于局部梯度算子的融合规则,并对高频分量的选择结果进行了一致性验证.实验结果证明,该方法可以获得很好的融合效果.     

一种自适应的多聚焦图像融合方法

为了对不同的多聚焦图像进行有效融合,提出了一种小波域中基于区域特征的自适应多聚焦图像融合方法。该方法首先对参加融合的两幅图像进行小波分解,然后针对低频部分,在保留源图像共同特征的基础上,将待融合的两图像各自所具有的特征添加到融合图像中,而对于高频部分,则根据区域的小波能量进行融合;最后通过小波逆变换来重构融合图像。该方法不仅能够完全自适应地对多聚焦图像进行有效的融合,而且对于各种不同的源图像具有通用性。实验表明,该算法能够得到良好的融合效果,是一种有效的多聚焦图像融合方法。     

基于二次融合多特征的多聚焦图像融合

以多聚焦图像为研究对象,提出一种新的基于二次融合多特征的融合方法.利用模糊C-均值聚类算法(FCM)在多特征形成的特征空间上对图像区域分割,并在此基础上执行多尺度小波分解.然后,获取源图像区域特征矩阵,经过二维主成分分析(2DPCA)变换后进行特征融合,根据融合后的特征计算区域中每个窗体的特征隶属度.引入模糊指标判断区域中窗体的模糊性,应用模糊熵和窗体能量获得加权因子,从而得到融合图像的小波系数,利用小波逆变换得到融合图像.     

基于小波变换的多聚焦图像融合

为了获得大场景的清晰图像,一般是将几幅聚焦于这一场景的不同目标点上的图像经过各种融合算法处理后获得。先对源图像进行小波变换,再计算其改进后的空间频率,然后采用改进后的空间频率作为参数来决定源图像数据的选取规则：低频部分采用基于改进后的空间频率的加权系数法,高频部分直接取基于改进后的空间频率的小波系数最大值。实验所选取的阈值为0．8。从实验结果可以看出采用的方法比文献[5]的方法更好地保留了源图像的边缘信息,同时也更大地提高了融合后图像所含的源图像信息量。     

基于小波变换的多聚焦图像融合

为了获得大场景的清晰图像,一般是将几幅聚焦于这一场景的不同目标点上的图像经过各种融合算法处理后获得。先对源图像进行小波变换,再计算其改进后的空间频率,然后采用改进后的空间频率作为参数来决定源图像数据的选取规则：低频部分采用基于改进后的空间频率的加权系数法,高频部分直接取基于改进后的空间频率的小波系数最大值。实验所选取的阈值为0．8。从实验结果可以看出采用的方法比文献[5]的方法更好地保留了源图像的边缘信息,同时也更大地提高了融合后图像所含的源图像信息量。     

NSCT与边缘检测相结合的多聚焦图像融合算法

利用非下采样Contourlet变换（NSCT）的系数特点,设计NSCT域中高低频融合规则,并结合基于区域分割的边缘检测算法,针对多聚焦图像提出了一种有效的融合算法.首先通过NSCT变换把2幅待融合图像分解为一个低频系数矩阵和一系列的高频系数矩阵,对低频系数采用局域方差、局域空间频率、局域改进的拉普拉斯能量和3个统计特征的加权平均进行融合,对高频系数基于局部纹理特征进行融合,经过NSCT逆变换后得到初步的融合结果;然后根据初步融合图像和待融合图像的残差图识别出清晰区域,对清晰区域进行边缘检测,将该边缘信息覆盖到初步融合的图像上,得到最终的融合图像.与传统DWT,NSCT变换和基于视觉特性的NSCT域图像融合算法进行实验对比的结果表明,该算法在视觉效果和平均梯度、互信息、空间频率与边缘保持度等多个评价指标上均有优势.     

一种改进的多小波遥感图像融合方法

多遥感图像融合的高频部分在区域处理时易出现边界歧异,造成图像失真的问题.为了提高图像视觉效果和特征识别,提出一种新的分块区域遥感图像融合方法.首先采用多小波分解把图像分解成不同尺度的高频和低频两部分,然后在不同频带选择不同的融合规则,在高频处理部分,采用分块区域处理,取区域绝对值较大的作为融合后的多小波系数,低频采用加...     

结合多分辨率与块分割的不同聚焦图像融合

提出了一种结合多分辨率与图像块分割的图像融合新方法。该方法除将多分辨率融合图像块作为可能位于源图像的模糊区域与清晰区域交界处位置的最终融合图像块之外,还将多分辨率图像融合方法获取的融合图像与源图像进行分块比较,选用与多分辨率融合图像块相似的源图像块作为最终融合图像块。实验结果表明,该方法能有效提高常用的多分辨率图像融合方法的融合效果。     

基于边缘保持滤波的多聚焦图像融合仿真

在融合多聚焦图像过程中,极易产生低频子带信息损失、边缘失真与图像模糊等问题,为获取更理想的融合图像,提出基于边缘保持滤波的多聚焦图像融合仿真.根据自适应梯度联合约束,通过初步复原阶段、边缘保持滤波阶段、梯度先验估计阶段以及最终复原阶段,复原模糊图像,利用深度神经网络模型的自编码器构建低频子带,将子带设定成网络输入后,根...     

多源遥感图像融合效果评价方法研究

在多源遥感图像融合中,针对同一对象不同的融合方法可以得到不同的融合结果,即可以得到不同的融合图像。如何准确地评价融合效果是图像融合的一个重要组成部分。该文系统地研究了遥感图像融合中的各种评价指标,在对已有的评价指标进行了总结和分析的同时,还提出了一些新的评价指标,并按使用条件和使用用途对遥感图像融合效果评价方法进行了分类。最后通过实验进行了验证。     

多传感器信息融合在智能车中的应用研究

研究智能无人车采集的差异数据融合问题,提高融合后有效信息数量。针对智能无人车多传感器采集存在较大随机性,采集的信息在特征上存在较大差异,在后期融合过程中的差异容易造成信息冲突,导致有效信息丢失,融合后的有效数据量大幅减少。为了解决上述问题,提出一种自适应多传感数据信息融合算法,通过估计出数据信息的可融合程度,运用滤波技术提高其融合能力,增加融合后有效数据信息量。实验表明,该算法能够大幅提高多传感器差异信息融合率,增加有效信息数量,取得了不错的效果。     

基于注意力与金字塔融合的医学图像分割仿真

针对现有的U-Net编解码结构网络的边缘模糊以及上下文信息提取能力弱等问题,提出了在编解码结构网络基础上融合反向注意力和金字塔模块的图像分割网络。网络以Res2Net50作为特征编码器提取特征,在编码器与解码器中引入尺度感知金字塔融合模块,加强网络对上下文信息的提取能力,然后在跳跃连接处加入反向注意力模块,用以提取边缘结构信息,最后使用特征拼接融合特征信息,提升网络模型分割性能。实验结果证明,改进的网络在Liver CT、Finding lungs in CT以及CHAOS数据集上的分割精度均有一定的提升,可以有效改善分割图像边缘模糊等问题。     

基于高速局域网的融合及匹配仿真平台研发

提出了基于高速局域网(High-speed Local Area Network,HLAN)的CCD/SAR图像融合仿真平台的设计思想及实现方法,提出并解决了仿真平台实现中的关键问题。提出了基于CCD/SAR融合图像的景像匹配系统仿真平台的实现方法,并应用该仿真平台对景像匹配技术进行仿真研究。仿真平台设计的模块化保证了其通用性和可移植性,而HLAN的引入保证了仿真过程的实时性。本仿真平台可应用于CCD/SAR图像融合技术研究和基于CCD/SAR融合图像的景像匹配技术研究中。     

多聚焦图像融合算法

多聚焦图像融合,是将两幅(或多幅)对同一场景的各个目标,聚焦不同的图像融合成一幅清晰的新图像.在多聚焦图像融合中,典型的群智能算法图像融合方法取得了较好的效果,如遗传算法、粒子群算法等.目前,对群智能算法的优化改进,加快图像的融合速度是一个主要的研究方向.     

基于SGNN的图像融合

近年来,将神经网络用于图像融合处理取得了一些成果,但已有的方法存在着计算量大、需要用户设置网络结构和较多参数等缺点.自生成神经网络(SGNN)是一类自组织神经网络,它不需要用户指定网络结构和学习参数,而且不需要迭代学习,是一类特点突出的神经网络.提出一种基于SGNN进行图像融合的新方法,分3步：①对图像进行预处理,使用小波方法滤除图像的噪声;②用SGNN对图像像素进行聚类,将像素按灰度值聚为某几类;③对经过第2步处理的像素进行融合,用灰度值对像素进行模糊分类之后再用加权平均法精确化,最终得到融合图像.该方法易于使用、计算速度快.实验表明该方法融合结果的均方误差比拉普拉斯金字塔算法和小波变换方法降低约30%～60%.     

基于PCA和广义高斯建模的多聚焦图像融合

为了提高多聚焦图像的融合性能,针对统计图像融合方法中像素间融合参数估计的不足,提出一种基于小波变换域主成分分析（PCA）和广义高斯建模的多聚焦图像融合方法。将高频子带系数建模为广义高斯分布,并通过改进的最大似然估计法获取融合参数。结合低频子带系数的区域PCA融合方法,最终实现有效的图像融合。实验结果表明,该方法与传统的多聚焦图像融合方法相比,可使融合图像的信息量更丰富,具有更佳的视觉效果。