基于PCA变换与小波变换的多源图像融合算法

在多尺度分解的框架下,针对像素级的多源图像融合,提出一种基于PCA变换与小波变换的图像融合算法。首先将低分辨率的多光谱图像进行主分量变换,得到各主分量;然后将高分辨率图像的信息与第一主分量进行融合,得到新的融合了高分辨率图像信息的第一主分量;最后新的第一主分量与其他主分量进行反变换,得到一幅具有高空间分辨率的多光谱图像。     

基于整数小波变换的图像融合算法

图像融合技术是将同一对象的两个或更多的图像合成在一幅图像中,以便使它比原来的任何一幅图像更容易为人们所理解。成功地进行图像融合的关键在于找到有效实用的图像融合算法。本文提出了一种基于整数小波变换的图像融合算法,首先将待融合的源图像作多层整数小波分解,然后对各分解层分别实行融合处理得到新的小波系数矩阵,最后通过整数小波逆变换得到融合的图像。实验结果表明本算法具有很好融合效果和实用性。     

基于提升小波变换的多传感器图像融合算法研究

为了更好的进行图像融合,基于提升小波变换,采用了一种基于区域方差和方向对比度的融合规则相结合的图像融合新算法.该算法结合提升小波的优势,将图像进行多分辨率分解;针对变换后的低频分量和高频分量的不同特点,采用了不同的融合规则进行融合;最后通过提升小波逆变换得到融合图像.实验结果表明,该算法具有增强图像空间细节的能力,使得融合后的图像内容清晰,相比于传统小波变换法,具有更好的融合效果.     

基于小波变换的纹理图像融合

针对采集到的纹理图像无法呈现纹理物体的整体特征的缺陷，提出了一种新颖的图像融合算法.该
融合算法基于纹理图像的大部分纹理信息存在于高频子带中的特点，分别对两幅互补图像进行小波分解，
再对低频子带采用平均融合算子处理，然后对高频子带采用高斯 拉普拉斯算子提取局部边缘信息，以作
为融合规则，并根据两幅互补图像的相似度对高频子带加以融合.结果表明，该算法通过对多幅互补图像
的小波分解图像进行融合，使得融合后的图像内容清晰，纹理信息更加丰富，为后续的缺陷查找步骤提供
了准确的依据.     

基于快速整数提升小波变换的多幅图像融合

在分析已有多分辨率图像融合方法的基础上,针对多幅图像融合模型的选择问题,提出了一种基于快速整数提升小波变换的多幅图像融合新算法。首先采用整数提升小波变换将多幅源图像分解到不同尺度、方向频带范围内,然后根据图像提升小波变换后不同子带的特点分别采用了2种新的高、低频融合策略,最后通过整数提升小波逆变换得到融合图像。对多幅源图像进行了融合实验,并对融合结果进行了主观和客观的评价。实验结果表明,该算法不仅适合多幅图像的实时快速融合,而且可以获得视觉效果较佳、细节更为丰富的融合图像。     

基于提升小波变换的视频图像处理

根据提升小波变换的双向预测运动补偿以及动态自适应调整的特性,对MPEG-4标准编码产生的相邻图像质量剧烈波动的缺陷进行调整.利用三次样条函数进行样条逼近得出的算法,对调整后的图像进行压缩.通过对图像进行分析与仿真,结果提高了图像质量和压缩比,同时优化了边缘效应.     

基于小波变换的人体图像边缘检测

根据人体图像的特点 ,利用三次样条二进小波 ,采用Mallat快速算法进行小波分解 ,提取了人体图像的正面和侧面边缘 .结果显示 ,提取图像的边缘连续性较好 ,弯曲部分边缘也能准确提取 ,为人体着装图像的边缘检测提供一种新的方法     

基于Haar小波变换的图像融合方法

为了有效的提高多个传感器的图像融合精度,该文提出了基于Haar小波变换的图像融合方法,首先分析了小波变换中不同频率分量对图像融合精度的影响,然后详细探讨了高频分量系数的确定方法。选取信息熵作为图像融合算法性能的评价指标,通过仿真实验定量分析了高频分量系数对图像融合精度的影响,实验结果表明高频分量系数并非越大越好,应根据融合后的图像信息熵确定高频分量系数。     

基于小波变换的图像融合算法研究

提出了一种新的基于小波多尺度分解的分层图像融合方法;总结出基于小波分解子图像面积比和低频系数均方根误差2个标准,来确定最佳小波分解层数的方法。通过仿真实验,对分解层数、区域大小对该融合方法的性能影响进行了比较分析,并得出融合结果,将其与金字塔算法融合结果进行了比较。实验结果表明,该融合方法是十分有效的。     

一种基于KPCA与小波变换的遥感图像融合算法

通过对HSV变换与小波变换图像融合方法的研究,提出了一种新的基于KPCA与小波变换的遥感图像融合的方法：通过KPCA变换,在保留主要信息的前提下除去波段之间的冗余数据,减少处理的数据量以提高融合的效率;由KPCA变换统计分析选择最优波段合成新的彩色图像,再与增强处理后的全色图像进行融合。实验结果证明该方法具有较好的融合效果。     

基于区域特征的小波变换图像融合方法

图像融合的目的是把来自多传感器的数据互补信息合并成一幅新的图像，以改善图像的视觉效果。笔者提出一种基于小波变换的图像融合方法，其思想是先把待融合图像采用小波进行分解，然后在对分解后的小波系数矩阵采用区域特征进行融合处理，最后采用小波逆变换得到融合图像。该方法很好地区分了图像低频分量和高频分量对融合的不同影响，实验表明取得了较好的融合效果。     

一种基于小波变换和数据融合降噪的图像边缘检测方法

提出的一种基于小波变换和数据融合降噪的边缘检测方法,是在边缘检测前先进行去噪处理,为避免去噪不完全、微分算子对噪声敏感,在边缘检测的同时增强了噪声,并把微分算子检测得到的边缘幅值图像融合与去噪相结合.最后,对融合后的图像进行灰度阈值处理和细化,得到边缘二值图像.实验结果表明：该方法在抑制噪声的同时能较好的检测出图像的边缘.     

一种基于小波包变换的SAR图像与TM图像融合方法

为了增强来自不同传感器的图像信息，改善图像的可分析和提取能力，近年来，常采用小波变换融合方法。但小波变换只对低频信息进行多分辨分析，并不考虑高频信息的多级分解。小波包变换不仅能对图像的低频部分，而且对小波变换没有细分的高频部分也能进一步地分解。因此，小波包分析能够为图像融合提供一种比小波多分辨分析更加精细的分析方法。在研究了小波包分析法后，提出了一种小波包图像融合方法。利用此融合算法对同一场景的不同传感器荻得的合成孔径雷达（SAR）图像和专题绘图仪（TM）图像进行融合，通过客观分析与目视评价，证明该融合方法的融合结果更好。     

基于色彩空间与小波变换的图像融合

讨论了色彩空间模型分别与小波变换相结合的图像融合方法:基于RGB色彩空间模型与小波变换的图像融合法和基于IHS色彩空间模型与小波变换的图像融合法,并且在此基础上提出了一种基于HSV色彩空间模型与小波变换的图像融合法.经实验分析和对比,基于HSV色彩空间模型与小波变换的图像融合法除了能较好地保持细节纹理信息外,在光谱信息的保持方面要明显优于其他两种方法.     

基于小波变换的医学图像融合技术

不同成像技术获得的医学图像为临床诊断提供了不同的信息,图像融合技术可以综合利用多模医学图像互补信息,从而有效地提高诊断水平。该文采用小波变换对人脑MR-T2和MR-PD图像进行融合。结果表明此方法能够充分有效地将两种不同模式的信息融合在一起,融合性能优越,很好地保留了原始图像的边缘和纹理特征,为临床诊断提供更加有效的信息。     

基于小波变换与Canny算子融合的图像边缘检测方法

针对传统的小波变换提出了一种图像融合的边缘检测方法.在边缘不连续和抑制噪声能力弱的问题给出了一种改进的小波变换方法.并对原图像分别采用改进的小波变换和Canny算子两种方法进行边缘提取,再将两种方法的检测结果进行图像融合.实验证明融合后的图像结合了两种检测方法的优点,是一种有效地图像边缘检测方法.     

一种改进的基于小波变换的图像融合算法

提出了一种改进的基于小波变换的图像融合算法。对待融合图像进行小波变换,从而得到低频和高频分量,然后针对低频分量和高频分量采用不同的融合策略。对于低频分量,提出一种根据相关系数进行加权平均的融合策略;对于高频分量,采用局部方差最大的融合策略。最后,利用熵、平均梯度等评价融合效果。仿真实验表明,该算法有效地提高了熵、平均梯度值,在较好保持原始图像信息的情况下丰富了图像的细节信息。     

基于提升小波变换的图像认证数字水印

目前基于小波变换的数字水印算法主要根据频域小波系数的幅值大小确定是否嵌入水印,这种算法的缺点是嵌入水印后的图像的视觉透明度不够好.该文提出了一种基于提升小波变换的盲水印算法,利用提升小波变换将原始图像进行多分辨率分解,利用低频部分系数来生成水印,基于密钥来选取高频部分的小波系数,并根据小波系数的奇偶性嵌入水印.在水印提...     

基于小波变换的图像边缘检测算法

目的提出一种边缘检测改进算法，提高边缘检测精确性．方法从小波变换入手，将图像进行多尺度分解，在各个尺度下对图像各个高频的细节进行加权处理，然后对处理后的图像进行Laplacian边缘检测．结果噪声得到抑制，边缘定位精确度上升，识别率提高．结论理论和试验结果分析表明，在边缘精度、强弱边缘提取和噪声抑制方面，该算法是有效的．     

基于小波变换的多聚焦图像自适应融合

图像融合是对来自同一场景的不同源图像的信息进行互补和合成,从而获得更为准确、更为全面、更为可靠的图像。采用了一种基于小波变换的自适应图像融合方法,首先将配准好的图像进行小波分解,并提取出细节分量和近似分量。其次,针对不同的频率域选择不同的融合规则,对低频系数选取区域均匀度和变化率相结合的融合规则,对高频系数选用区域方向对比度和区域匹配度相结合的自适应融合规则。最后通过小波逆变换得到融合图像。将其它融合算法和文中所提算法进行主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法。