基于SIDWT的遥感图像融合算法

合成孔径雷达(SAR)和全色遥感图像由于成像机理存在差异,对目标轮廓、纹理和色调等信息的表现各不相同,像素级融合后将更易于图像判读。基于此,将平移不变离散小波变换(SIDWT)算法用于SAR与全色遥感图像融合,该算法克服了传统小波变换不具有平移不变性的缺点。同时,提出一种新的增强互补信息的融合规则：图像的低频部分采用基于边缘提取的加权规则,高频部分采用绝对值最大原则。实验结果表明,该算法能够获得较好的融合效果。     

基于突变微粒群算法的图像融合技术

文中利用突变微粒群算法进行图像融合;将图像融合问题转化为优化问题,通过使目标函数(平均梯度)最大以求得好的融合效果;并以离散平稳小波变换代替传统的离散小波变换,以克服离散小波变换缺乏平移不变性的缺点;先对源图像进行离散平稳小波分解,细节部分利用能量系数矩阵进行融合;对于近似部分,利用突变微粒群算法求出最优权值对近似部分进行加权融合;实验结果表明,该方法的融合效果优于传统的融合算法。     

一种新的多光谱和全色图像的融合算法

基于HIS和SIDWT的图像融合方法,提出了一种新的多光谱和全色图像的融合算法.该方法不仅克服了传统离散小波变换(DWT)不具有平移不变性的缺点,而且弥补了SIDWT方法在光谱特性上的不足,使得融合结果图像的清晰度、空间分辨率得到了提升.实验结果验证了该方法的有效性.     

基于双树复小波的遥感图像融合

介绍了DTCWT(双树复小波变换)的基本原理,与传统小波变换相比,DTCWT具有良好的平移不变性和方向选择性,能够提高小波分解和重构的精度,更好地保持边缘、纹理等细节.在传统小波图像融合的基础上,提出了三种基于DTCWT的遥感图像融合算法:基于IHS变换和DTCWT融合法、模值加权融合法和模值局部方差融合法.对"北京一号"小卫星数据进行融合实验,结果表明,三种融合算法不仅有效地增强了融合图像的空间细节表现能力,而且很好地保留了多光谱图像的光谱信息.     

基于小波Contourlet变换和区域能量融合规则的图像融合算法*

利用小波-Contourlet变换的多尺度和多方向性特征以及基于区域能量的融合规则在选取融合系数上的优势,提出了一种基于小波-Contourlet变换和区域能量融合规则的图像融合算法,并引入Cycle Spinning来消除变换缺乏平移不变性而引起的图像失真。实验结果表明,该算法明显降低了融合图像的RMSE值,减少了运算时间,达到了良好的视觉效果。     

非采样Contourlet域内的区域对比度图像融合

针对传统的基于小波对比度图像融合方法的不足,结合非采样Contourlet变换的优点提出了一种新的基于非采样Contourlet变换的区域对比度图像融合方法。该方法对图像经非采样Contourlet变换后得到的低频分量采用基于区域能量的自适应加权融合;高频分量结合人眼的视觉特性,提出了一种新的基于区域对比度的加权与选择相结合的融合方法。通过非采样Contourlet变换的逆变换得到融合图像。实验结果表明,该融合方法较传统的方法具有更强的获取细节信息的能力,其融合效果优于传统的图像融合算法。     

基于双树复小波变换的图像融合方法

为获得更好的融合效果,提出基于双树复小波变换的图像融合方法。双树复小波变换具有平移不变性、方向选择性等特点,适合进行图像融合,优于传统离散小波变换方法。给出多策略的融合规则,源图像小波变换后低频采用区域清晰度,高频采用区域标准差。灰度多聚焦图像和彩色多聚焦图像的融合实验测试以及评价指标的统计结果,表明了双树复小波变换方法的优势和所用融合规则的有效性。     

基于小波-Contourlet变换的图像增强算法

小波-Contourlet变换能够良好捕获图像的方向特征和边缘信息.利用小波-Contourlet变换良好的多尺度性和多方向性特征,提出一种基于小波-Contourlet变换的图像增强算法,用非线性增强算子对变换的各子带系数做增强处理.并引入了循环平移消除由于小波-Contourlet变换缺乏平移不变性而产生的图像失真.实验结果表明,该方法有效增强了图像的边缘细节和纹理特征.     

多聚焦图像融合的Contourlet变换方法

Contourlet变换（Contourlet Transform,CT）是一种新的多尺度变换,具有良好的多尺度性和多方向性。提出了一种基于Contourlet变换的多聚焦图像融合算法,同时引入Cycle Spinning来有效地消除由于Contourlet变换缺乏平移不变性而产生的图像失真。实验结果表明该算法可获得较理想的融合图像,取得了优于laplacian塔型方法和小波变换方法的融合效果。     

基于边缘检测的双树复小波图像融合算法

提出了一种新的图像融合算法——基于边缘检测的双树复小波图像融合算法。多聚焦图像经过双树复小波变换较好地克服了传统小波变换的平移敏感性等缺点;低频系数利用边缘信息进行融合,较好地保留了图像的细节信息,提高了融合图像的质量;高频系数则采用常见的基于区域特征的融合规则。实验结果证明,该算法能够有效地提高融合图像的清晰度,细节更为丰富。     

一种基于提升小波变换的快速图像融合方法

目前，多尺度分解的方法已开始应用于图像融合．针对基于传统的多尺度分解的融合方法运算速度慢、对内存的需求量大，不适于实时应用的局限性，提出了一种新的基于提升小波变换的快速图像融合算法．多个源图像分别进行提升小波分解，使用恰当的融合规则合并各尺度对应的分解系数，通过提升小波逆变换得到复合图像，实验结果表明，提出的算法无论在执行时间还是融合后的图像质量上都优于传统的方法，有广泛的应用前景，特别适用于实时系统。     

基于第二代小波变换的图像融合方法及性能评价

提出了一种基于小波提升方案的图像融合新算法. 与传统基于卷积的小波变换融合方法相比, 新算法具有计算简单、融合速度快、所需内存少以及有利于算法的在线快速实现等优点. 此外, 还提出了一种基于区域特征选择的新的融合策略, 针对不同类型的多源图像进行了融合仿真实验, 并采用主观视觉判断与客观评价准则相结合的方式, 对不同变换方式、不同融合规则以及不同分解层数对融合效果的影响进行了比较分析. 实验结果表明本文提出的融合算法和融合策略具有优越的融合性能, 并取得了令人满意的融合效果.     

一种基于提升小波变换的图像融合改进算法

提出一种基于提升小波变换的图像融合算法.对小波分解后的图像低频子带采用平均融合算子处理,在高频子带的融合中依据小波系数树状结构特点提出了一种新的自适应融合方法,最后经过小波逆变换得到融合图像.仿真实验结果表明该算法能有效地减少融合图像的失真,是一种有效的图像融合算法.     

一种基于提升小波分解图像融合方法

提出一种新的基于自适应提升小波变换的图像融合方法。基于信号局部结构特征的相关性和方向性,采用自适应提升策略构造小波;利用提升小波对图像的低频和高频分量进行分解,在两幅图像配准的前提下,将小波系数合并,进行小波逆变换,得到融合后的图像;引入融合对称度来判断融合方法的性能。比较融合后图像的熵、相关函数和融合对称度性能指标,提升小波变换方法优于直接平均法和Symmlets小波变换方法。     

一种基于提升小波变换和IHS变换的图像融合方法

为了将低分辨率多光谱图像和高分辨率全色图像进行有效融合,提出了一种提升小波变换和IHS变换相结合的图像融合新方法。该方法首先对高分辨率图像进行无下采样提升小波分解,利用提升分解得到的各提升小波面叠加的边缘信息进行区域划分,再采用分区域加边缘有效因子的融合思想实现分区融合,使得融合的图像最大限度地保留了多光谱图像的光谱信息和高分辨率图像的空间分辨率,其中区域的划分采用进化算法实现。该方法的融合结果与IHS法、小波变换法及其他改进方法进行比较,实验结果表明,该方法能较好地保留多光谱图像的光谱信息和提高分辨率图像的空间分辨率。     

基于冗余第二代小波的多传感器图像融合算法

为了增强来自不同传感器的图像信息,改善图像的提取能力,本文采用了一种基于冗余提升小波变换的图像融合算法,算法针对变换后的低频分量和高频分量的不同特点,选用了不同的融合规则进行融合,然后通过冗余提升小波逆变换得到融合图像。实验结果表明,本文算法实现的数据融合图像内容清晰,明显地保存了边缘细节,提高了运算速度,取到了较好的融合效果。     

二维小波的提升方案及其在图像融合中的应用

提出了一种新的二维小波提升方法,并把它应用于图像融合中。该方法利用图像局部结构的相关性和方向性,将两个配准后的图像经过提升小波分解,合并相关系数,再通过逆变换,得到融合后图像。并引入信息熵、相关系数和清晰度等性能指标对融合后的图像进行分析。实验结果表明,此提升方法在融合速度以及融合后的图像质量上优于传统小波变换和张量积小波提升方法。     

基于PCA和自适应区域方差的图像融合方法*

在对源图像进行提升小波变换的基础上,针对分解得到的低频分量和高频分量各自的特点,选取不同的融合规则,采用基于PCA和自适应区域方差的图像融合方法,即低频近似系数采用基于主元分析(PCA)加权法,高频细节系数采用自适应局部区域方差的融合方法,最后进行提升小波逆变换得到融合图像。实验结果表明,与传统算法相比,该算法不仅提高了信息量和清晰度,而且提高了融合图像与源图像的相关系数,降低了扭曲程度,有效地保留了源图像的细节信息,得到了清晰的融合图像,具有良好的目视效果。     

基于提升小波变换的图像融合规则综述

对提升小波变换的基本原理进行了介绍,描述了基于提升小波变换的图像融合的主要步骤,对基于提升小波变换的图像融合规则进行了概括。