基于拉普拉高斯金字塔的数字图像融合研究

阐述了基于拉普拉斯金字塔图像融合的原理和方法,首先对原图像分别进行拉普拉斯金字塔分解,接着在对应的分层子图像上采用变换区域特征量测法进行融合,然后对得到的拉普拉斯金字塔反变换得到融合图像。通过使用MATLAB软件对本文研究的融合算法进行仿真实验,实验结果证明基于拉普拉斯金字塔图像融合方法得到的融合图像视觉效果良好,可视化清晰,图像质量得到了较大提高,该技术可广泛应用于多种研究领域。     

基于改进拉普拉斯金字塔的图像融合方法

提出了一种新的基于改进拉普拉斯金字塔变换的图像融合算法。传统拉普拉斯金字塔变换的重构算法在图像在融合过程中会引入噪声,而改进的重构算法能有效抑制融合噪声。首先将图像进行拉普拉斯金字塔分解,得到各层拉普拉斯金字塔图像,针对不同的分解层图像,采用不同的方法进行融合,最后采用改进的拉普拉斯金字塔重构算法进行重构,得到最终的融合图像。通过仿真实验验证了算法的有效性。     

基于易操纵金字塔的多传感器图像融合

针对目前传统方法在图像未完全配准时融合效果差的问题,提出了一种基于易操纵金字塔的多传感器图像融合方法。首先,对多光谱图像进行易操纵金字塔分解;然后,恰当地合并分解得到子带图像系列来构造融合图像对应的易操纵金字塔,并通过逆变换重构融合后图像。最后利用熵和空间频率对该方法的融合性能进行了评估分析,并与基于拉普拉斯变换和小波变换的图像融合方法进行了比较。实验结果表明,该方法综合性能优于基于拉普拉斯变换和基于小波变换等传统图像融合方法,图像未完全配准情况下也能获得好的融合效果。     

基于PCA的拉普拉斯金字塔变换融合算法研究

阐述了基于主元分析的拉普拉斯金字塔图像融合的原理和方法：对原图像分别进行拉普拉斯金字塔分解,分别对高频部分采用主元分析（PCA）法融合,对低频部分采用平均梯度法进行融合,对拉普拉斯金字塔做反变换得到最终的融合图像。通过对可见光与红外图像的融合,以及对不同焦距图像融合的结果分析,该算法比单纯的PCA和拉普拉斯图像融合能得到具有更多有用信息的高对比度的融合图像。     

基于Choquet积分和LP的图像融合方法

针对长波红外偏振图像特征,论文提出了一种基于Choquet模糊积分和拉普拉斯金字塔变换的红外偏振图像融合方法。首先利用Choquet积分选择经偏振解析后的最佳偏振参量图像,然后通过拉普拉斯金字塔分解红外光强图像和被选取偏振参量图像,对顶层采用区域平均梯度最大,对I层采用区域能量选取处理方法,再经过拉普拉斯金字塔反变换得到最终融合图像。实验结果表明,论文提出的融合算法在凸显参加融合图像的共有信息同时保留它们的特有信息,且提高了融合图像的细节信息,利于后期做目标检测的研究。     

基于金字塔和HIS变换的图像融合研究

主要研究了基于拉普拉斯金字塔分解和HIS变换的图像融合方法,并将其应用于全色图像和光谱图像的融合中.通过对matlab仿真实验结果进行多种图像评价分析表明,该方法所获得的融合图像不仅保留全色图像中的细节信息同时还包含丰富的光谱信息,融合效果良好.     

基于量子力学和拉普拉斯金字塔的图像融合方法

针对数字图像的融合问题,研究一种基于量子力学理论的图像分解方法,并将其结合拉普拉斯金字塔变换,提出一种新的图像融合方法.先把2幅灰度图像表示成量子比特的形式,然后把每幅图像分解成4幅特征子图,根据分解后特征子图的不同含义,使用不同的融合策略分别对子图进行融合.其中一幅子图使用拉普拉斯金字塔变换进行融合,另外3幅子图使用区域梯度取大法进行融合,最后通过重构得到融合图像.仿真实验表明该方法融合效果较好,在主观视觉感受和客观评价指标上均优于传统的图像融合方法.     

基于拉普拉斯金字塔和CNN的医学图像融合算法

医学图像融合技术因其包含多模态的图像信息,在临床应用中起着越来越重要的作用。医学图像融合效果符合人类视觉感知,减少先验知识对融合效果的影响和增强细节表现力一直是努力的方向。提出基于拉普拉斯金字塔和卷积神经网络的医学图像融合方法,针对图像伪影的问题采用区域拉普拉斯金字塔,为保存更多的细节信息并使参数自适应,对卷积神经网络进行改进。将源图像分别输入区域拉普拉斯金字塔进行分解,采用改进的卷积神经网络生成最优权重图指导融合过程,通过逆过程生成融合图像。实验结果表明,提出的方法在主观视觉和客观评价指标上都取得了良好的融合效果。     

基于双目融合的无参考立体图像质量评价

针对对称失真和非对称失真图像的评价问题,提出了一种基于双目融合的无参考立体图像质量评价方法。首先,分别将立体图像的左、右视点图像分解成拉普拉斯金字塔序列,利用图像平均梯度和区域能量确定各层融合系数,在双目加权模型的基础上逐层融合两序列并重构合成图像。然后,提取左、右视点图像、合成图像的多尺度多方向频域变换特征和对比度、熵、能量、逆差分矩特征。最后,将特征参数作为支持向量回归模型的输入进行训练并预测图像质量。在LIVE 3D phaseⅠ和LIVE 3D phaseⅡ图像库上作相关性分析,其Pearson线性相关系数和Spearman等级相关系数均分别达到0.96和0.95以上。结果表明,本文方法对立体图像质量的预测结果与主观评价值具有较高的一致性。     

基于拉普拉斯金字塔融合的岩心图像拼接算法

针对岩心图像拼接效率低以及易出现鬼影现象的问题,提出了一种基于最佳缝合线的拉普拉斯金字塔融合的岩心图像拼接方法.首先将待拼接的两幅岩心图像进行灰度变换,根据ORB算法计算并描述特征点;其次使用改进的random sample consensus (RANSAC)算法对特征点进行提纯,完成特征点匹配;根据匹配的特征点计算图像间的配准关系,最后根据最佳缝合线实现岩心图像的拉普拉斯金字塔融合,完成拼接.实验结果表明,改进的RANSAC算法能在保证正确率的同时提升速度,而且本文提出的图像融合方法避免了鬼影的产生,在融合区域的PSNR、SSIM和DoEM客观评价指标上与另外两种图像融合算法相比都有所提升.     

基于非下采样Contourlet的多传感器图像自适应融合

提出了一种基于非下采样Contourlet变换的多传感器图像自适应融合方法,采用黄金分割法搜索最优的低频融合权值.自适应地对多传感器图像的低频子带系数进行融合.非下采样Contourlet变换是一种新的图像多尺度、多方向的表示方法,适合表达具有丰富细节信息及方向信息的图像,且该变换具有平移不变性,可以避免一般方法对融合图像引入的振铃效应,它的高频方向子带捕获了多传感器图像的显著特征,文中采用同一尺度下方向子带信息和取大的规则对高频系数进行融合.实验结果表明,与基于拉普拉斯塔、小波、平稳小波和Contourlet变换的方法比较,文中所提出的方法可以获得较好的融合效果.     

基于加权中值塔形分解的图像融合方法

提出了一种基于加权中值塔形分解的图象融合算法,同拉普拉斯塔形分解方法相似,对图象的分解可以分成四步:中值滤波、降采样、插值放大、带通滤波,形成多尺度、多分辨率的塔形近似图象序列和细节图象序列。多传感器图象经过分解的图象序列,通过基于局部能量选择的融合规则和融合算子形成融合图象塔,然后进行中值塔形图象重构,完成图象融合。与已有塔形分解图象融合方法相比,不仅保留塔形分解的优点,融合图象精确,而且对脉冲型噪声污染的传感器图象具有较强的过滤作用。实验验证,这种融合方法具有较强的适应性和可靠性,在图象信噪比较低的情况下,也能得到较好的融合效果。     

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LP和DFB结构的离散Contourlet遥感影像融合算法及在QuickBird中的试验研究

针对目前最新发展的Contourlet变换能够比小波变换提供更丰富的方向和形状基,适合进行多尺度边缘增强的特点,利用Contourlet变换用于融合遥感全色和多光谱影像的算法,即利用LP（Laplacian Pyramid）捕获影像的低频分量,利用DFB（Directional Filter Bank）获得影像的高频分量,再对得到的低频近似系数和高频细节系数按照融合规则,采用算术平均和加权算子构造融合影像对应的对比度金字塔;最后,通过逆塔形变换重构融合影像。提出一种基于塔形方向滤波器组PDFB（Pyramidal Directional Filter Bank）的影像融合方法,算法一方面将Contourlet变换这一新的数学工具引入到影像融合中,另一方面对目前高分辨率影像数据源QuickBird进行了融合实验。此外,利用熵、扭曲度、偏差指数、相关系数、标准差等参量,对此融合方法的融合性能进行了评价与分析。实验结果表明：提出的融合算法能在保留多光谱影像光谱信息的同时增强了融合影像的空间细节表现能力和信息量,该算法是有效可行的。     

结合双非局部注意力感知的SAR和光学图像金字塔细节融合网络

合成孔径雷达(synthetic aperture radar, SAR)与光学图像融合旨在利用卫星传感器的成像互补性, 生成更全面的地貌信息. 然而, 由于各单一卫星传感器数据分布的异质性和成像物理机制的差异, 现有网络模型在融合过程中往往存在成像精度低的问题. 为了解决上述问题, 本文提出DNAP-Fusion, 一种新的结合双非局部注意力感知的SAR和光学图像金字塔细节融合网络(dual non-local-aware-based pyramid fusion net). 该方法利用双非局部注意力模块, 在空间尺度逐渐减小的多级图像金字塔中提取SAR图像的结构信息和光学图像的纹理细节. 然后在空间和通道维度上融合它们的互补特征. 然后, 通过图像重构将融合特征注入上采样光学图像中, 得到最终的融合结果. 此外, 在网络训练之前, 采用图像封装决策来增强同一场景中SAR和光学图像中目标之间的共性关系. 定性和定量的实验结果表明, 提出的方法优于现有融合方法, 其中客观评价指标中的相关系数(correlation coefficient, CC)为0.990 6, 峰值信噪比(peak signal to noise ratio, PSNR)为32.156 0 dB. 此外, 所提方法有效地融合了SAR图像和可见光图像的互补特征, 为提高遥感图像融合的精度和有效性提供了一种有价值的思路和方法.     

基于拉普拉斯金字塔变换的电力图像融合

提出了一种改进的拉普拉斯金字塔算法。为了防止目标信息丢失,该算法对顶层采用经过遗传算法优化的加权融合方法,对其它层采用加入相位信息的区域能量融合方法。实验结果表明该算法能保留较多的图像细节信息,增强图像清晰度,方便目标检测。     

一种多传感器图像的彩色融合系统

针对像素及多传感器图像的融合问题,设计了一种多传感器图像的彩色融合系统。该系统首先采用Laplacian金字塔变换算法得到灰度融合图像,然后产生共有图像、差异图像和细节增强图像,最后将灰度融合图像、细节增强图像,分别送入RGB通道得到彩色融合图像。实验结果表明,本系统可以有效地对多传感器图像进行彩色融合。根据熵和颜色丰富度两个客观评价指标,本系统的彩色融合图像更清晰,更容易识别目标,包含更多的细节信息,图像信息也更加丰富。