一种基于局部能量的自适应图像融合方法

文中提出了一种基于局部能量的自适应图像融合方法.首先对原始图像进行小波分解,得到低频和高频子图像.然后分别计算高频子图像的局部能量,再根据不同图像的相应局部能量,计算局部能量熵,根据值局部能量熵赋予其不同的加权系数,从而实现自适应的信息融合.最后通过小波反变换,得到完整的融合.实验结果表明该方法有较好的融合效果.     

基于NSCT的红外与可见光图像融合算法

针对红外与可见光图像融合,提出了一种基于NSCT的图像融合方法。首先对图像进行NSCT分解;然后对分解后的子带系数采用基于区域能量匹配度的融合规则分别进行融合:对于低频子带,使用区域能量和方差构造决策值,并使用决策值选大与加权平均相结合的方法进行融合,对于高频子带的最高层采用像素绝对值选大法进行图像融合,对于高频子带的其他层,采用基于区域能量匹配度的区域方差选大的融合规则进行融合;最后使用NSCT逆变换对融合后的系数进行重构得到融合图像。实验结果表明,该融合算法可以获得更多的细节信息,并且获得较理想的融合图像。     

Curvelet变换在低对比度目标识别中的应用

低对比度目标因其灰度对比度低、边缘模糊等缺点,使得联合变换相关器无法将其从混杂的背景图像中辨别出来,达到成功识别的目的。针对这一问题,采用了基于Curvelet变换的图像增强算法对目标联合图像进行处理。作为超小波分析范畴的Curvelet变换,因具有极强的方向性,成为比小波变换更适合分析和理解图像特征的多分辨率分析工具。文中采用不同的方法分别调整了Curvelet变换后的高、低频系数,增强了目标的灰度对比度和边缘信息。以低对比度坦克图像为例,增强后的目标对比度由原来的4.16%提高至29.37%. 计算机模拟和光学相关实验结果均表明,增强后的联合图像获得了明亮的相关点对,成功实现了低对比度坦克的自动识别。     

侧扫声纳图像非下采样轮廓波变换域分区增强方法

成像机理的限制以及海洋中存在的丰富噪声源,导致侧扫声纳图像出现噪声污染严重、目标和背景区域灰度值对比度低以及边缘呈现强度较弱等情况。针对上述问题,提出一种侧扫声纳图像非下采样轮廓波变换（NSCT）域分区增强方法。对于声纳图像低频部分,使用非线性函数增强方法,提升低频图像对比度;对于声纳图像高频部分,通过分析声纳高频图像在NSCT域上同一尺度不同方向子带系数最大值与最小值差值的分布规律,进行噪声和纹理边缘的划分以及对应的处理。将所提方法与小波硬阈值增强方法、小波Shrinkage自适应阈值增强方法做实验对比,结果表明,该方法不仅可以较好地消除噪声,而且可以抑制琐碎纹理、提升弱边缘,侧扫声纳图像增强效果更加突出。     

几种平移不变性图像融合方法的客观评价

随着图像传感器技术的发展, 多传感器图像融合已成为图像理解、计算机视觉以及遥感领域中的一个研究热点, 多种图像融合方法相继提出.但是, 对融合效果评价的方法一般只涉及主观视觉评价及单因素评价, 在实际中存在很大的局限性.针对这个问题, 建立了一套对图像融合质量进行定量评价的方法和准则, 应用此方法和准则对基于离散小波框架、基于可操纵方向金字塔变换和基于双树复小波变换三种具有平移不变性的图像融合方法进行了客观定量评价, 综合比较了这三种融合方法的性能差异与优劣.     

基于图像平稳小波非线性增强的边缘检测方法

分析了基于平稳小波变换的图像对比度非线性增强算法和传统的Canny边缘检测算法,将两者相结合,提出了一种适用于低对比度图像的边缘检测方法,首先用平稳小波变换对图像进行非线性增强处理,提高它的对比度,然后利用Canny算子进行边缘提取。实验结果表明,该方法能准确地检测出图像的边缘,而且边缘清晰,连通性较好。     

基于小波变换与模糊理论的图像增强算法研究

针对传统图像增强方法增强图像同时放大噪声的问题,提出了一种基于小波变换和改进模糊集理论进行图像增强的方法.该算法先对原始图像进行小波变换获得低频和高频系数,对低频系数进行了分段函数增强,高频系数进行小波去噪,并且定义新的隶属度函数对各个尺度上不同方向的高频系数进行模糊增强,最后通过小波重构得到增强的图像.实验结果表明,该算法可以有效去除噪声和增强图像,并使图像具有良好的视觉效果.     

交叠式Allan方差在MIMU余度配置中的应用

首先将多个陀螺的输出数据进行小波变换,在对应的尺度上将陀螺仪输出数据的小波变换系数进行数据融合,得到组合陀螺仪的各个尺度的小波变换系数,然后通过逆小波变换得到组合陀螺仪的输出信号。由于在相同的置信水平下,交叠式Allan方差分析方法比普通Allan方差具有更大的置信区间,所以利用交叠式Allan方差作为数据融合中的加权值。实验表明该方法能有效地提高MIMU的输出精度,显著减小高精度MIMU对陀螺仪本身精度的要求。     

小波域自适应滤波的红外弱小目标检测

针对红外弱小目标检测,在图像自适应阈值降噪的基础上,提出了一种小波域自适应滤波的检测算法.该方法利用图像小波分解后高低频分离的特点,采用基于Context模型的自适应滤波器对含有目标的高频系数进行处理,最后采用自适应门限进行二值化图像分割以检测出目标.实验结果表明,与Top - hat滤波相比,该方法能够更有效地检测出...     

基于小波变换和同态滤波的内窥图像增强算法

由于受照明条件的限制,工业内窥镜图像存在比较严重的由光照不均引起的图像降质.在分析工业内窥镜图像特点的基础上,研究了使用基于照明反射模型的同态滤波方法增强内窥镜图像的方法.从空频分析的角度出发,提出一种基于小波变换的同态滤波方法,采用快速小波变换代替传统傅立叶变换,在变换域中对不同尺度上小波系数进行非线性增强,实现图像的对比度增强.实验结果表明,该方法可以有效消除由光照不均匀引起的图像亮度不均匀,增强图像对比度的同时不改变图像的原始面貌,其效果优于传统的同态滤波方法.     

一种基于小波变换的可见光与红外图像融合算法研究

为了解决可见光与红外图像所表现的目标特征不一致的问题,提出了一种红外与可见光图像融合算法.首先利用小波变换将图像进行多尺度分解,然后提取不同分辨率、不同方向下的小波系数,采用不同的融合算法构造融合图像对应的小波系数,最后利用该小波系数重构融合后的图像.实验结果表明,该算法在红外与可见光图像融合处理中取得了很好的融合效果,有效地将红外和可见光对同一目标所表现出不同的特征、细节融合在一幅图像里,增加了单幅图像的信息量,丰富了目标的信息层次,为图像显示观察和后续图象处理系统获取信息提供了基础.     

视觉感知的数字图像拼接痕迹可见度客观评价方法

数字图像拼接时,待拼接图像之间的亮度差异导致拼接图像出现拼接痕迹。为了对数字图像拼接痕迹的明显程度进行客观评价,研究了一种基于人眼视觉感知的数字图像拼接痕迹可见度(MAV)客观评价方法:首先,由待拼接图像获取梯度误差图像;然后,综合考虑人眼视觉频率敏感度、亮度掩模效应及纹理掩模效应对视觉分辨力的影响,导出基准图像的临界可见偏差(JND),并从梯度误差图像的小波系数中减去JND门限值,获得能够被人眼视觉感知的拼接痕迹图像;最后,利用拼接痕迹图像的均值和信息熵,构造了一种数字图像MAV的客观评价指标(MAVA).实验表明,采用MAVA对数字图像拼接痕迹的明显程度进行的客观评价,与人眼主观评价结果基本一致。     

小波变换在光学相关目标识别中的应用

光电混合实时联合变换相关器能够实现目标的自动探测、识别和定位,但由于实际中从图像传感器采集到的目标图像对比度较低且存在大量背景噪音,因而目标识别率低且识别效果不佳。基于小波变换的多分辨率分析特点能够更大程度上体现图像的特征信息,将其应用于光学相关目标的自动探测与识别中。将小波变换与联合变换相关器结合起来,通过研究物面的小波图像增强来获取更加尖锐的相关峰,解决复杂背景、低对比度目标的识别问题,取得良好的实验结果,证实小波变换在光学相关领域中具有一定的优越性和良好的应用前景。     

基于小波和神经网络的红外目标特征提取与识别

研究了小波和神经网络相结合进行目标识别的方法.利用目标信息主要集中在低频部分的特点,对信号进行小波分解,提取在不同频带信号的多尺度空间能量和不变矩作为特征量,再用BP神经网络进行识别.实验结果表明,该方法具有很高的识别率,充分说明了红外图像信号在小波子带上的不变矩及能量分布具有表征目标类别的信息.该方法对于精确制导武器的目标识别研究具有一定的实用价值.     

基于DWT的数字图像盲水印算法

一种基于DWT的数字图像水印算法：先将1幅作为宿主图像的灰度图像进行分块,再利用Haar小波函数对分块分别进行二维离散小波变换,将水印信息嵌入到小波低频系数中,最后对嵌入水印信息的分块进行逆小波变换重构图像获得含水印图像。提取水印时不需要原始图像。通过Matlab进行仿真,实验结果表明该算法有很好的不可见性,并且对JPEG压缩、高斯噪声、高斯低通滤波等操作有较好的鲁棒性。     

基于虚拟仪器的某型导弹发射台检测系统

应用虚拟仪器技术、小波分析技术和多传感器信息融合技术,设计系统硬件和软件,开发基于虚拟仪器的桌型导弹发射台检测系统。该检测系统能实现发射台回转机和升降机电流、振动、转速以及温度信号的检测,具有操作简单、运行稳定可靠、测试快捷准确、测试结果显示直观以及测试费用低廉等优点。     

基于双边滤波的可见光与红外图像自适应融合

针对传统融合方法不能充分提取可见光图像与红外图像各自特有的细节信息和难以确定融合权值的问题,提出一种基于双边滤波的可见光与红外图像自适应融合算法。该方法结合双边滤波与改进的双边滤波,将可见光与红外图像分解为多尺度局部细节、特有细节以及基础信息。在图像融合阶段,局部细节信息采用基于图像边缘能量的融合方法,最大程度保留了图像的细节;图像基础部分的融合,引入了基于局部能量值的正则化参数来自适应调整融合的权值,优化参数的选择;特有细节信息的融合采用了绝对值最大的融合规则以充分保留源图像特有的细节信息。仿真实验结果表明,通过主观判断所提方法融合后的图像视觉效果更好、对比度高,边缘细节的融合比其他算法更加好,在客观指标的评价中,所提融合方法的MI、EN、FMI、SD、Q^AB/F、Mean 6种指标相对于其他方法综合提升了22.6%、5.7%、0.7%、30.4%、14.2%、18.4%,在主观视觉上和客观评价指标中,所提的算法均具备更优的融合效果。     

一种基于差帧图像融合的弱小目标增强方法

为了能够在小目标检测时更加容易和准确的检测出弱小目标,提出了一种基于差帧图像融合的弱小目标增强算法,该方法首先对视频相邻帧进行差帧处理,然后对差帧结果进行图像融合,最后把融合结果与原视频帧图像的低频分量进行差分运算获得增强图像.实验结果表明该方法的正确性,实现了对弱小目标的有效增强.