基于小波变换的多分辨率分布式滤波

小波变换的多尺度特点非常适合多尺度信号的处理,可以用于多分辨率多传感器滤波.通过研究快速提升法小波变换的特性,提出一种可将估计误差方差最小化的动态分辨率分布式滤波算法,算法不需要把小波系数当成白噪声处理,并且能够有效地降低向量和矩阵维数,减少运算,有较好的滤波性能.同时在不同的分辨率级中,利用快速提升法小波变换作为一种连接信号的桥梁.这种算法也可用于动态多分辨率多传感器数据融合.     

基于小波变换和Kalman滤波的多传感器数据融合

不同的传感器数据采集系统采集的数据具有不同的分辨率,因而需要解决多分辨率数据的融合技术和方法。Kalman滤波对非平稳信号具有较强的估计能力,能对信号所有的频率成分同时进行处理;小波变换的多分辨分析正好提供了有效的多分辨率信息处理方法。因此本文基于小波变换的分时分频多分辨率特点,把信号进行小波变换,然后分别在各尺度上进行Kalman滤波估计,最后通过Mallat快速重构算法,得到融合后的结果。     

火箭飞行测量数据多分辨率处理研究

为提高火箭飞行测量距离处理精度,建立了基于测量距离的四阶差分动态模型和用于分析测量距离的多分辨率动态模型,利用小波变换在不同分辨率间起的桥梁作用。提出了基于Bar-Shalom公式的测量距离的多传感器多分辨率数据融合的算法,给出了理论弹道加噪声处理的实例。结果表明,提出的多分辨率处理算法较好地解决了火箭飞行弹道测量数据处理精度的问题,与标准Kalman滤波算法相比,误差方差改善了近16%。     

多传感器组合导航系统的多尺度滤波算法

基于多尺度的思想,首先将在最细尺度上建立的状态方程、量测方程改写为以数据块形式描述的对应方程;然后利用小波变换技术将最细尺度上的块状态向量向粗尺度上分解,并将在最细尺度上建立的量测方程表达为粗尺度上状态向量的函数;最后结合常规Kalman滤波技术,建立了一种动态系统的多尺度单模型滤波方法.将上述算法应用于多传感器组合导航系统,仿真结果验证了该算法在不增加计算量量级的情况下,具有较好的融合精度.     

多小波基多尺度多传感器数据融合

多传感器数据融合技术已经被广泛应用在多个领域,小波多尺度分解对数据的分析具有独特的优点,小波基的选择对数据融合结果也起着关键的作用.提出一种新的基于多个小波基的数据融合算法,先对含有噪声的传感器信号进行多个不同小波基的多尺度分解,然后对相同小波基分解的信号在多尺度上实施加权数据融合算法,之后进行不同小波基的逆变换得到的重构信号,最后将基于不同小波基的重构信号做最终的融合.实验结果表明:数据融合技术可以从多个方面多个层面以及多种融合原则来考虑,从而融合众多的因素得到最优的结果.     

基于小波包变换的图像多尺度数据融合

在二维小波变换的基础上,给出了图像的二维小波包变换的分析方法,并对已有的几种基于小波和小波包变换的图像融合算法进行了重新组合和改进,提出了一种基于小波包变换的多尺度数据融合方法,给出了一个融合实例。通过对实验的观察和分析,结果表明该算法具有较好的融合效果。     

基于冗余小波变换与引导滤波的多聚焦图像融合

针对传统多尺度变换在多聚焦图像融合中存在的边缘晕圈问题,提出了一种基于冗余小波变换与引导滤波的多聚焦图像融合算法。首先,利用冗余小波变换对图像进行多尺度分解,将源图像分解为一个相似平面和一系列小波平面,该多尺度分解能够有效地提取源图像中的细节信息;然后,对相似平面和小波平面分别采用引导滤波的加权融合规则来构造加权映射,从而得到相似平面和小波平面的加权融合系数;最后,进行冗余小波逆变换,即可得到融合结果图。实验结果表明,与传统融合算法相比,所提算法能够更好地体现图像边缘的细节特征,取得了较好的融合效果。     

基于小波不可分离多分辨率的图像重建

文中提出并实现了一种基于小波不可分离多分辨率的重建算法。在图像重建领域内利用小波变换时,是对二维图像进行行和列的依次滤波,需要假定二维信号是关于自变量x和y可分离的,而实际二维信号中大多是不宜分开处理的。在算法中首先将投影数据进行二通道的小波分解,在分解抽样中,使用不同的抽样方法,直接得到小波的近似系数和细节系数,这些系数再经过逆小波变换得到最终的重建图像。基于不可分离多分辨率的小波算法将投影数据进行二通道的小波分解。     

基于多小波包变换的遥感影像融合

多小波变换以完善的小波基结构,可以在影像处理中获得比单小波变换更精确的处理结果;单小波包变换以精细的频域分割,进一步提高了单小波变换对影像的细节信息处理能力。多小波包变换将两者结合起来,综合了它们的优点,同时又弥补了它们的不足,使其在一些影像处理领域更具优势。在对多小波包变换分析之后,提出了一种基于多小波包变换的遥感影像融合方法,并将该方法与多小波变换融合方法（即基于多小波变换的影像融合方法）进行了对比分析。实验结果表明：由该方法所得的融合影像,无论是在视觉效果上还是在评价指标上都要优于由多小波变换融合方法得到的融合影像。     

基于多小波变换的图像融合研究

多小波是小波理论的扩展，在图像处理方面具有单小波所不具有的优点。它能够为图像提供一种比小波多分辨分析更加精确的分析方法。在研究了多小波变换的特性后，提出了一种基于离散多小波变换的图像融合方法，并将由不同传感器获得的不同分辨率的遥感图像数据利用此方法进行了融合。这种方法不仅能够完好地显示源图像各自的信息，而且能很好地将源图像的细节融合在一起。通过实验结果证明，采用这种方法可以得到更好的融合效果。     

基于小波变换的图像多尺度数据融合

现有的图像数据融合方法对目标检测并不十分满意，为了提高目标检测的分辨率，抑制每个传感器的检测噪声，提出一种基于小波谱换的图像数据融合新方法，在图像分解的高域风，选择多源图像绝对值较大的系数作为重要小波系数，在低频域内，新的逼近系统通过对多源图像的逼近系数进行加权平均得到，然后利用重要小波系数和加权逼近系数进行小波反变换，即可得到融合之后的图像，实验结果表明，基于小波变换的图像数据融合方法具有良好的效果，并用于广泛的研究领域。     

非下采样Contourlet变换的图像融合及评价*

分析和研究了非下采样Contourlet图像表示方法及其在图像变换中的优点,提出一种基于非下采样Contourlet变换的图像融合方法。首先将待融合源图像分解成不同尺度、多方向的频带;然后采取不同的融合方法对分解的高低频分量进行融合处理,低频系数采取局部能量优先的加权法融合,高频系数则采取局部梯度优先的加权法融合;最后将融合的各频带进行逆非下采样Contourlet变换得到融合图像。实验表明,在几种不同的客观评价标准下,该方法优于传统的小波域中的融合效果,能有效消除小波变换带来的光谱扭曲和假边缘现象。     

自适应对偶树复小波－Curvelet变换的遥感图像融合

Curvelet变换克服了小波变换在处理高维信号时的不足,比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能。因此将Curvelet变换应用于图像融合领域,能更好地提取图像边缘特征,为融合提取更多的特征信息。利用对偶树复小波-Curvelett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种基于对偶树复小波-Curvelet变换的自适应遥感图像融合新算法。算法是将全色图像和多光谱图像进行对偶树复小波-Curvelet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像。将其他的融合算法和所提算法进行主观和客观的对比,结果表明,基于对偶树复小波-Curvelet变换区域特征自适应的图像融合算法是一种有效可行的图像融合算法。     

基于小波变换的多源图像数据融合与边缘检测方法

提出基于小波变换的多源图像数据融合和边缘检测的方法,对多源图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构实现多源图像数据融合。应用小波变换对融合图像进行多尺度边缘检测,获取多源图像边缘,或对多源图像进行小波多尺度边缘检测,然后融合边缘。     

基于方向导数的多光谱图像快速融合新算法

针对提升小波变换的特点,研究图像融合规则,提出了一种新的基于方向导数的多分辨多光谱图像快速融合算法。首先,利用提升小波变换得到待融合源图像的多分辨分析;然后以小波域方向导数为判据,在图像的多分辨分析的相应各级上进行融合,得到融合图像的多分辨分析;最后,利用提升小波反变换重构融合图像。使用多光谱图像对算法进行验证并与方向对比度算法进行对比,结果表明,融合图像完好的融合了源图像的信息,且算法运算时间短。     

Comparison and improvement of wavelet‐based image fusion

The wavelets used in image fusion can be categorized into three general classes: orthogonal, biorthogonal, and non‐orthogonal. Although these wavelets share some common properties, each wavelet also has a unique image decomposition and reconstruction characteristic that leads to different fusion results. This paper focuses on the comparison of the image‐fusion methods that utilize the wavelet of the above three general classes, and theoretically analyses the factors that lead to different fusion results. Normally, when a wavelet transformation alone is used for image fusion, the fusion result is not good. However, if a wavelet transform and a traditional fusion method, such as an IHS transform or a PCA transform, are integrated, better fusion results may be achieved. Therefore, this paper also discusses methods to improve wavelet‐based fusion by integrating an IHS or a PCA transform. As the substitution in the IHS transform or the PCA transform is limited to only one component, the integration of the wavelet transform with the IHS or PCA to improve or modify the component, and the use of IHS or PCA transform to fuse the image, can make the fusion process simpler and faster. This integration can also better preserve colour information. IKONOS and QuickBird image data are used to evaluate the seven kinds of wavelet fusion methods (orthogonal wavelet fusion with decimation, orthogonal wavelet fusion without decimation, biorthogonal wavelet fusion with decimation, biorthogonal wavelet fusion without decimation, wavelet fusion based on the ‘à trous’, wavelet and IHS transformation integration, and wavelet and PCA transformation integration). The fusion results are compared graphically, visually, and statistically, and show that wavelet‐integrated methods can improve the fusion result, reduce the ringing or aliasing effects to some extent, and make the whole image smoother. Comparisons of the final results also show that the final result is affected by the type of wavelets (orthogonal, biorthogonal, and non‐orthogonal), decimation or undecimation, and wavelet‐decomposition levels.     

利用分水岭分割的多分辨率遥感图像融合算法

对全色图像和多光谱图像进行融合可以获得更加清晰的图像信息。提出了一种基于分水岭分割和小波变换的多分辨率图像融合算法。利用正交小波变换得到原图像的小波金字塔表示。对近似图像进行分水岭分割,并且用小波逆变换把原始分割结果逐步映射回更高的分辨率层。通过联合区域分析,得到各层的联合区域分割图,并用此图来指导各层小波系数的融合。对融合系数进行小波逆变换,得到融合的图像。实验结果表明,该法对遥感图像的融合十分有效,能很好地兼顾融合图像的光谱质量和空间清晰度。     

基于反对称双正交小波重构的图像增强方法

详细给出了基于反对称双正交小波重构的多尺度边缘检测方法的相关理论基础, 即推导了反对称双正交小波变换所具有的卷积运算性质; 分析了反对称双正交小波变换的微分算子功能; 提出了一种针对图像多尺度边缘提 取的小波重构算法. 在此基础上, 提出了基于反对称双正交小波重构的图像锐化增强方法. 首先对图像进行多尺度小波分解; 然后在小波重构中, 计算模值图和相角图, 提取各尺度边缘图像, 并根据边缘图像, 增强半重构图像的对应边缘点; 最后继续逐级重构,实现图像增强. 该方法在小波塔式分解数据的重构过程中有针对性地实现对图像边缘的锐化增强, 对图像增强和图像滤噪增强提供了一种新的解决问题的思路. 实验结果验证了 该方法的有效性.     

医学图像融合的并行实现

基于小波变换的并行医学图像融合方法有良好的效果且能进行快速实时融合。在介绍双正交小波变换图像融合方法的基础上分析了该方法的时间复杂度,提出了基于小波变换的多模图像融合的并行算法,并在配置了并行机群环境下实现了单幅和序列医学图像的并行融合,针对不同大小结果图像和不同机群规模进行测试,对并行效率的分析证实了该并行融合方法具有较好的并行性能和可扩展性。     

基于多尺度积视觉特性的多聚焦图像融合算法

针对传统多尺度图像融合算法不能有效抑制噪声的缺陷,提出一种基于提升静态小波变换（LSWT）多尺度积的多聚焦图像融合算法,并在LSWT域中引入了局部可见度以及局部视觉特性对比度的概念.在融合低频子带系数和各高频子带系数时,分别提出了基于局部可见度和基于多尺度积的局部视觉特性对比度的系数选择方案.实验表明,该算法不仅能有效抑制噪声对融合算法的影响,而且能够得到比传统方法视觉效果更好和更优量化指标的融合图像.