基于多分辨率局部结构化信息熵的鲁棒多模图像融合算法

目前的图像融合算法不能区分噪声和视觉上有意义的图像特征,往往将噪声当作有意义的信息传输到融合结果中。针对这一问题,该文基于复数小波变换(CWT),将图像的结构化特征表现在不同尺度和方向上,定义了两种结构化信息熵,表达局部图像结构化程度:带内结构化信息熵,以及考虑带间特征相关性的结构化信息熵。利用定义的两种测度,在图像融合之前对输入加权处理,使视觉上有意义的信息在融合结果中自适应地增强,而噪声自适应地抑制。通过对融合算法仿真结果的主观比较和客观性能分析,展示了本文提出的图像融合算法的优越性。     

基于小波变换的图像融合技术研究

基于小波变换的融合算法形成了多分辨率融合算法的一个新的有用框架。由于人类视觉只对亮度信号的局部对比度敏感,提出了小波对比度的概念。图像经小波多分辨率分解后,依照小波对比度,定义变换系数邻域活性和系数匹配程度测度,按照系数匹配程度加权系数形成融合图像。将小波多分辨率分解和人类视觉对局部对比度敏感的特性优雅地结合在一起。     

基于DT-CWT的红外与可见光图像自适应融合

针对低可见光图像和红外图像的特点,提出一种基于DT-CWT的自适应图像融合算法.该算法具有好的平移不变性和方向选择性,更适合于人类视觉.先对源图像作双树复小波变换,充分考虑各尺度分解层的系数特征,对低通子带引入免疫克隆选择,根据统计评价准则定义亲和度函数,自适应获得最优融合权值;对高通子带则根据人类视觉特性定义局部方向对比度,并作为融合准则,突出和增强了各源图像的对比度与细节信息.实验结果表明:与基于小波的融合结果相比较,本文的融合算法自适应性和鲁棒性更强,较好地保护和显示了源图像中的边缘和细节信息,对比度和清晰度都有所提高.     

基于双树复小波变换的多聚焦图像融合方法

针对同一场景的多聚焦图像融合,提出了一种基于双树复小波变换(DT-CWT)的图像融合新算法.首先利用DT-CWT对图像进行多尺度和多方向分解,并根据双树复小波分解域各子带的系数特性定义了图像局部方向对比度,然后针对高频分量系数的选择,采用基于方向对比度的融合规则,而在低频域采用图像清晰度为测度的融合策略.实验结果表明,该算法能够很好地将多聚焦图像中的重要信息提取并注入到融合图像中,与其他方法相比较,取得了更好的融合效果,提高了融合图像的质量.     

一种新的多聚焦图像融合方法

提出了一种新的多聚焦图像融合方法,该方法是基于改进的方向对比度和区域能量相结合的一种融合方法。该方法先对两幅聚焦位置不同的源图像进行小波变换,然后分别计算对应分解层上的方向对比度、高频局部区域与对应的低频局部区域的能量,将得到的最大的方向对比度和区域能量作为融合规则得到融合后图像的小波系数,最后通过小波逆变换得到融合后的图像。采用这种方法得到的融合后的图像中各个位置都是聚焦清晰的,并且增强了对比度。最后通过仿真可以得出结论,这种方法比仅考虑方向对比度的方法要有效。     

基于双树复小波变换的多聚焦图像融合算法研究

针对传统离散小波变换图像融合算法在图像特征表达上存在的不足,采用具有近似平移不变性和方向选择性的双树复小波变换对多聚焦图像进行多分辨率分解与重构,并对高频子带应用基于局部相似性度量的加权平均与选择相结合的融合策略。通过对实验结果的主客观分析,证明该方法得到的融合图像效果较好,优于基于传统小波变换的算法和局部能量取大的算法。     

基于对偶树复数小波变换的邻域自适应的图像降噪

该文提出一种新的基于对偶树复数小波变换的邻域自适应的图像降噪方法,它是现存的NeighShrink降噪方法的改进。该文运用Stein的无偏风险估计,在小波域每一个子带为NeighShrink方法确定一个最优的阈值和邻域窗口,并将NeighShrink方法从正交的小波变换推广到对偶树复数小波变换。实验结果证实,该文方法比当前基于小波的最具竞争力的图像降噪方法取得了更好的降噪效果。     

基于能量树编码的小波图像压缩算法

针对小波变换的空间能量聚集特性,提出了一种基于能量树编码的小波图像压缩算法。该算法在离散小波变换的基础上,分别对图像的各高频子带按其局部能量构建分层能量树,利用总能量和各层的能量角等效表示子带的小波系数;根据给定的压缩比,选择合适的代价函数构建最佳能量树,然后对其进行量化和编码,通过自适应的比特率分配实现小波图像压缩。实验结果表明,该算法实现简单,重构图像质量好,与当前多种主流的小波图像压缩算法相比,压缩性能有了明显提高。     

基于小波变换与像元对目标的短波红外图像增强算法

弱光夜视是短波红外成像的重要应用领域之一。针对短波红外弱光图像对比度低,增强后噪声也被放大的特点,提出了一种基于小波变换与像元对目标的短波红外图像增强算法。首先通过小波变换获得不同频率成分的子带图像;然后对低频子带图像进行基于像元对目标的灰度变换处理,对高频子带图像进行可变阈值降噪处理;最后通过小波反变换将处理后的子带重构得到增强结果。将该算法与基于直方图的增强算法,全局优化线性窗口色调映射算法和自然保持增强算法进行比较,采用图像的信息熵和基于Michelson法则的对比度增强度量作为客观评价指标,结果表明本文算法更为有效地提高了短波红外弱光图像的对比度,抑制了噪声的增强,提升了图像的视觉效果。     

一种结合Contourlet和小波变换的图像编码算法

该文提出了一种Contourlet变换和小波变换相结合,使用新的空间方向树的类似SPIHT编码算法。该算法先对图像进行Contourlet变换,再对变换后的低频子带进行多级小波变换,然后根据变换后系数的结构特性,借鉴小波SPIHT编码思想,构造了一种新的空间方向树,实现了对变换后系数的类似SPIHT编码。仿真实验结果表明,该算法与小波变换,Contourlet变换和基于小波的Contourlet变换的SPIHT算法相比,重构图像保留了更多的纹理和细节信息,并且在低比特率下具有较高的峰值信噪比。     

Fusion of multi-focus images with registration inaccuracies

Image fusion combines complementary information for several input images. To obtain useful information from two misaligned images, registration is required. A hybrid textural registration-based multi-focus image fusion scheme is proposed. The Gabor filtering with specific frequency and orientation is used to extract different texture features from the image. The resulting Gabor-filtered images are then aligned using existing affine transformation. The proposed registration scheme yields superior performance as compared to affine registration, as Gabor transform extracts all the features. The fusion is performed using undecimated dual-tree complex wavelet transform. The quantitative and qualitative analysis of the proposed scheme outperforms existing image fusion schemes.     

基于Q-Shift DT-CWT的多聚焦图像融合研究

提出了一种基于Q-Shift双树复小波变换的多聚焦图像融合算法.根据多聚焦图像的成像特点和变换后的高低频系数相关性,对高频系数采用＂模值绝对值和取大＂和对低频系数采用＂局部区域标准方差取大＂的融合准则,并对高频融合系数进行一致性检测,以实现尽可能直接选择源图像中的清晰区域系数作为融合图像对应位置的系数.实验结果表明,该融合方法获得了很好的融合效果,与小波变换相比,充分显示了近似的平移不变性和良好方向选择性等特性.     

基于二代curvelet与wavelet变换的自适应图像融合

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于二代curvelet与wavelet变换的自适应图像融合算法。首先对源图像进行快速离散curvelet变换,得到不同尺度与方向下的粗尺度系数和细尺度系数;根据红外图像与可见光图像的不同物理特性以及人类视觉系统特性,对不同尺度与方向下的粗尺度系数和细尺度系数采用基于离散小波变换的图像融合方法,在小波域中,对低频系数采用基于红外图像与可见光图像的不同物理特性的自适应融合规则,对高频系数采用基于邻域方向对比度与局部区域匹配度相结合的自适应融合规则,然后进行小波逆变换得到融合的curvelet系数;最后,进行快速离散curvelet逆变换得到融合图像。实验结果表明,该方法能够更加有效、准确地提取图像中的特征,是一种有效可行的图像融合算法。     

非抽样双树复小波域的BPP-NMF图像融合

提出了一种非抽样双树复小波变换（UDT-CWT）与基于块主元旋转的非负矩阵分解（BPP-NMF）相结合的多聚焦图像融合算法。利用UDT-CWT具有完美的平移不变性及良好的方向选择性,首先对图像进行多尺度、多方向分解并得到低频子带和高频子带系数;然后对低频子带系数采用块主元旋转的非负矩阵分解的融合策略,高频系数则选用高斯加权区域能量与区域标准差一致性选择的融合准则。最后对融合后的系数进行UDT-CWT逆变换得到重构图像。选用多组多聚焦图像进行融合并对融合结果进行主观视觉、客观方面的评价。试验结果表明,该融合算法不仅具有良好的视觉效果,同时在客观评价指标也优于一般的融合策略,验证了该算法的有效性。     

基于亮度分量的多聚焦彩色图像融合

针对小波变换在图像融合中的平移变性和有限的方向选择性等缺陷和多聚焦彩色图像融合的复杂性,将Q-Shift双树复小波变换应用于多聚焦彩色图像融合.首先对IHS模型的亮度分量I进行Q-Shift双树复小波分解,根据多聚焦图像的成像特点和分解后的高低频系数相关性,对分解后的高频系数和低频系数采用"选择取大"的融合准则进行融合和逆变换,得到融合后的亮度分量,再根据融合前后亮度分量值的接近程度来确定融合后的色调分量和饱和度分量,从而实现多聚焦彩色图像的融合.通过对实验评估指标信息熵、平均梯度、方差和相关系数等实验值的比较,所研究方法的各参数值都得到了很好的体现,获得了较好的融合效果.     

Low-light image enhancement based on Retinex theory and dual-tree complex wavelet transform

In order to enhance the contrast of low-light images and reduce noise in them, we propose an image enhancement method based on Retinex theory and dual-tree complex wavelet transform (DT-CWT). The method first converts an image from the RGB color space to the HSV color space and decomposes the V-channel by dual-tree complex wavelet transform. Next, an improved local adaptive tone mapping method is applied to process the low frequency components of the image, and a soft threshold denoising algorithm is used to denoise the high frequency components of the image. Then, the V-channel is rebuilt and the contrast is adjusted using white balance method. Finally, the processed image is converted back into the RGB color space as the enhanced result. Experimental results show that the proposed method can effectively improve the performance in terms of contrast enhancement, noise reduction and color reproduction.     

基于小波变换多尺度积的图像融合算法

图像融合是图像处理中的关键技术之一。它在军事和民用图像处理领域获得了广泛的应用。提出了一种新的基于小波变换多尺度积的图像融合算法,小波变换多尺度积具有放大信号边缘特征和降低信号噪声的特点,有利于在融合图像中保持图像的细节特征。利用统计分析的评判准则,如熵、标准偏差评价图像的融合效果。实验结果表明该方法提高了图像的熵和标准偏差。在保留原图像信息的情况下增强了融合图像的细节信息。     

基于改进谱残差显著性图的红外与可见光图像融合

为了将可见光图像与红外图像中的细节信息更多的呈现在融合图像中,突出目标特征并获得更好的图像视觉效果,本文提出一种基于改进谱残差显著性图的红外与可见光图像融合方法。首先用改进的谱残差显著性检测算法提取红外图像的显著性图并获得融合图像的显著性系数,然后对源图像进行双树复小波分解,并根据特定的融合规则分别对图像的低频部分以及高频部分进行融合,最后采用双树复小波逆变换重构获得最终的融合图像。实验表明,本文融合方法相较于传统融合方法融合质量更高并且在视觉效果上有显著提升。