基于模极大值和相关性的图像噪声抑制融合算法*

现有的融合算法不能很好地区分噪声和视觉上有意义的特征信息,针对此问题提出了一种基于模极大值和相关性的图像噪声抑制融合算法.首先利用二进小波分解后高频系数的局部模极大值得到各尺度的图像边缘,然后利用小波系数的模极大值抑制噪声,结合子带关联和尺度相关的融合准则对去噪后的边缘进行融合,最后基于边缘重构图像.算法在抑制噪声的同时更好地保护了边缘特征信息,同时减少了计算量.理论分析和实验结果表明了算法的有效性.     

基于小波变换模极大值的煤矿岩层图像边缘检测处理

针对煤矿井下岩层监视监控系统中图像边缘检测的问题,提出了采用小波变换进行煤矿井下岩层图像的边缘检测处理.综述图像边缘检测的方法,分析了基于小波变换模极大值的图像边缘检测方法.即首先将图像进行多尺度分解,以获得对图像不同结构特征的描述,进而在各个尺度下通过观测其小波系数模的变化规律检测出不同细节成分的边缘特征.研究结果表明,基于小波变换的图像边缘检测算法能够较好地检测煤矿井下锚杆钻孔内图像中的细节特征,取得了明显的效果.     

基于多小波变换域特征的多模态医学图像融合

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率分析更加精确的分析方法.在研究了多小波变换域上同一尺度多个子带间相关性、子带内相邻系数的相关性以及能量的低聚性的特性后,提出了一种基于离散多小波变换域特征的融合方法,并将不同模态的医学脑部CT图像和MR图像利用此方法进行融合,相比于传统小波域内的图像融合方法.该方法不仅能够完好地显示源图像各自的信息,很好地将源图像的细节融合在一起,而且得到的融合图像具有更良好的视觉效果和更优的量化指标,体现出更好的融合效果.     

由小波变换模极大值重构信号的快速算法

信号在不同尺度上的小波变换模极大值包含了信号中的重要信息,因此研究如何由小波变换模极大值重构信号是很有意义的.本文提出了一种基于Hermite插值由二进小波变换模极大值重构信号的快速算法.数值试验表明,与Mallat经典的交替投影算法相比,本文算法可以在保证信号重构质量的前提下简化计算过程,提高计算效率,计算所需时间与交替投影算法相比大大减少,是一种实用性较强的信号重构算法.     

基于小波变换的多模态图像融合算法的改进

为了进一步提高医学图像的融合效果,研究和改进了基于小波变换的图像融合算法,提出了一种改进小波变换金字塔融合算法.该算法对经过多层小波变换后的高低频小波系数,分别使用局部均值加权和分层线性加权的小波系数融合规则进行融合.通过编程试验,将该算法与空域和频域的各种融合算法进行对比,并使用主观和客观两种评价方法进行综合评价.实验结果表明,针对灰度图像特别是医学图像的融合,提出的融合算法与文中的对比算法相比较,在主观和客观的综合评价上表现出更好的融合效果.     

一种小波变换模极大值的扩散模型

遥感图像的噪声分析、评估和滤波一直是遥感图像处理的一个重要研究领域。近年来,基于非线性扩散模型的图像去噪方法因其在对图像进行去噪的同时,对图像的特征信息具有一定的保护作用而受到遥感图像应用领域的关注并成为研究热点。针对P-M方程和ALM模型在去除遥感高斯噪声时所存在的对图像强边缘附近的噪声难以去除和可能造成奇异点的模糊或丢失等问题,将小波变换模极大值进入到扩散模型中提出一种新的非线性扩散模型,并给出模型的离散化算法。该模型有效地克服了P-M模型和ALM模型在图像去噪过程中的不足,在有效去除噪声的同时,很好地保留了遥感图像的边缘和纹理细节信息。实验结果验证了所提出模型的有效性和稳定性。     

一种基于离散小波变换的遥感图像融合新算法

在图像融合过程中,融合算法及融合算子的选择对于融合的质量至关重要。目前广泛采用的基于单个像素的融合算法并不能令人满意,因为图像的局域特征往往是由多个像素共同表征的。文章采用了一种基于离散小波变换的新融合算法：首先,采用小波多分辨分析和马拉特快速算法,将原始图像分解成近似图像和细节图像,然后在各层的特征域上进行有针对性的融合,最后通过小波逆变换完成图像重建。     

基于模极大值小波域的去噪算法研究

根据信号与噪声在小波变换下的不同特性，提出了基于模极大值小波域的去噪算法。该算法先用Adhoc算法求出信号的模极大值，再根据模极大值小波域的定义求出信号的模极大值小波域，从而得到信号的小波系数，然后逆变换得到信号。实例分析表明：该算法能有效消除噪声，与交替投影模极大值算法相比，该算法在原理上更简单，程序实现更容易，去噪速度更快，能满足在线监测的要求。     

基于二元树复小波变换的多模态医学图像融合

在研究了二元树复小波变换(DT-CWT)近似的移动不变性、良好的方向选择性等优点后,提出了一种基于二元树复小波变换的融合方法.将该方法应用于医学脑部CT图像和MR图像的融合,通过与基于传统离散小波变换(DWT)融合方法得到的融合图像进行主观评判和客观效果评价,证实了该方法具有更良好的视觉效果和更优的量化指标,体现出更强的融合性能。     

基于小波变换和Sobel算子图像融合算法研究

研究了图像融合问题,要求图像符合人和机器的视觉质量.小波变换和Sobel算子图像融合算法的提出,主要是针对人们对经过小波分解后的图像边角上看不清楚的问题.改进主要在图像融合之前,采用各向同性的sobel边缘检测算子对图像边缘进行预处理,然后对图像采用小波变换对图像多层次分解,最后采用一定的融合规则对分解后的字图像进行融合.对两幅不同焦点的图像进行实验,结果表明采用改进方法使得局部对比度信息得到更好的保留,提高了分辨率,具有一定的实用性.     

基于小波变换的医学图像融合技术的实现

研究目的：为了对医学图像进行基于小波变换的融合。方法：首先通过学习和研究小波理论的有关知识来研究小波理论在图像融合中的应用目的和实现方法，并借助MATLAB平台，通过小波工具箱实现了图像融合，同时比较了使用这两种方法实现图像融合的效果；然后借助MATLAB中的函数，通过编程实现了图像融合算法。结果：由两幅非同源的医学图像（CT图像和MRI图像）的融合结果可见，两种方法得到的融合图像的效果一致，其对于两幅图像中同一部位相对位置偏移量小的融合效果较好，但对偏移量较大以及存在形变情况的融合则效果不好。结论：通过小波工具箱可以实现一些简单的医学图像融合，但是随着医学图像融合技术的进一步发展和医学图像的复杂度的进一步加深，尤其是对于腹部和胸部的医学图像，则要通过非刚性配准之后才能再进行融合显像，其过程更加复杂。     

一种新的基于小波变换的医学图像融合方法

图像融合是医学图像处理中的关键技术。论文探讨了基于小波变换的医学图像的融合方法,在对现有的有关融合规则及其所融合效果进行分析的基础上,提出了一种新的基于小波的融合方法。实验证明,该方法能在保留原图像信息的情况下增强融合图像的细节信息。     

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。     

基于提升小波变换的医学图像融合方法

多模医学图像融合在医学图像分析和诊断上具有重要的应用价值。在对CT与MRI图像进行提升小波变换的基础上,结合低频子带系数存在区域相关性及高频子带系数的特点,提出了对于低频子带系数采用基于区域方差的融合规则,对于高频子带系数采用基于区域空间频率的融合规则,最后进行提升小波逆变换得到融合图像。实验结果表明,与传统方法相比,该方法可以有效提高医学图像融合的信息量,较好地保留了源图像的边缘及细节信息,具有良好的融合效果及量化指标。     

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。     

基于M带小波变换的多聚焦图像融合

针对目前小波域内多聚焦图像融合所存在的问题,提出一种基于M带小波变换的图像融合方案。由于M带小波变换域在能量紧致性和方向选择性等方面都比传统二带小波更有优势,综合考虑图像在M带小波变换域的多尺度和多方向性信息以及局部区域的相关特性,提出了一种新的小波域图像融合策略——基于多子带联合窗口特性的图像融合。仿真实验分析表明,该文算法的结果不论在视觉效果还是在信息量指标方面都优于传统的二带小波。     

一种基于小波变换的图像融合方法

提出了一种小波多分辨率分解的图像融合方法。该方法首先利用小波变换将图像分解为不同分辨率、不同方向的分量，然后利用系数绝对值取大和基于局部方差最大化的融合规则得到融合图像的小波系数，最后通过逆小波变换得到融合图像。实验结果表明，该方法是有效的。     

基于小波变换的图像融合方法研究

介绍了图像融合的基本原理、结构模型及应用领域,简述图像小波分解与重构的Mallat算法。在Matlab7.0环境下,采用Daubechies小波(dB4)滤波器组对待融合图像进行了3级正交小波分解,低频系数采用边缘保持,高频系数采用基于区域能量最大的规则进行融合,并对融合图像进行质量评价。     

基于小波变换的多聚焦图像融合

为了获得大场景的清晰图像,一般是将几幅聚焦于这一场景的不同目标点上的图像经过各种融合算法处理后获得。先对源图像进行小波变换,再计算其改进后的空间频率,然后采用改进后的空间频率作为参数来决定源图像数据的选取规则：低频部分采用基于改进后的空间频率的加权系数法,高频部分直接取基于改进后的空间频率的小波系数最大值。实验所选取的阈值为0．8。从实验结果可以看出采用的方法比文献[5]的方法更好地保留了源图像的边缘信息,同时也更大地提高了融合后图像所含的源图像信息量。