一种自适应PCNN多聚焦图像融合新方法

该文通过分析脉冲耦合神经网络(PCNN)参数模型,结合多聚焦图像的基本特点和人眼视觉特性,提出了一种自适应PCNN多聚焦图像融合的新方法。该方法使用图像逐像素的清晰度作为PCNN对应神经元的链接强度,经过PCNN点火获得每幅参与融合图像的点火映射图,再通过判决选择算子,判定并选择各参与融合图像中的清晰部分生成融合图像。该方法中,其它参数如阈值调整常量等对于融合结果影响很小,解决了PCNN方法的参数调整困难的问题。实验结果表明,该方法的融合效果优于小波变换方法和Laplace塔型方法。     

基于双分解的双通道PCNN红外与可见光图像融合

为解决红外与可见光图像融合过程中存在的对比与清晰度较低和小目标易丢失等问题,提出了基于在双分解模型下的双通道PCNN(dPCNN)图像融合算法。首先对两幅源图像进行预增强处理,通过鲁棒的主成分分析(RPCA)将处理后图像分解为稀疏层与低秩层,接着,再利用非下采用剪切波变换(NSST)对的稀疏层进行多尺度分解得到低频子带与高频子带,然后对低秩层和低频子带采用局部加权能量与拉普拉斯能量两者取大的规则进行融合,对高频子带则利用dPCNN的点火图进行融合,最后将得到的融合成分进行逆变换或合成来得到最终融合图像。实验表明,该算法的融合图像目标信息对比突出、小目标信息明显,对源图像信息保留较好,客观评价指标也明显也优于其他算法,其中互信息有了大幅度的提升,有效地提升了红外与可见光图像的融合效果。     

基于奇异值分解的图像去噪

提出了利用奇异值分解去除图像噪声的方法。从矩阵的角度出发,通过对图像矩阵进行奇异值分解,将包含图像信息的矩阵分解到一系列奇异值和奇异值矢量对应的子空间中,然后通过有效奇异值重构图像矩阵达到去噪目的。试验利用MATLAB通过对MRI(核磁共振)医学图像进行去噪处理,验证了奇异值分解的去噪效果,并且通过对多幅图像的试验结果进行分析,得到了去噪重构图像时所需有效奇异值数目的统计值。     

基于奇异值分解的图像目标跟踪算法

传统相关跟踪方法是利用模板图像与目标图像对应像素的灰度差异信息进行跟踪,它对旋转变化敏感,且存在跟踪累积误差,容易导致模板漂移而丢失目标。文中提出基于奇异值分解的跟踪算法,算法首先建立模板图像训练集合,利用奇异值分解方法,张成模板图像特征空间,然后求出模板图像在特征空间里的投影值,代替传统算法中灰度对两幅待匹配图像进行的全局搜索定位。在进行投影值间的相似性度量时,欧氏距离同等对待所有的特征向量不移合理,文中采用了一种鲁棒估计方法,可以对不同距离的值做不同处理。匹配跟踪实验效果良好。     

基于多分辨奇异值分解的多聚焦图像融合

提出了一种多分辨奇异值分解（MSVD）的新框架,并把它应用于多聚焦图像融合中.首先,基于分块算法原理,利用奇异值分解获得具有不同分辨率的一幅近似和三幅细节图像.然后结合重构算法,给出了图像的融合框架.其次,对比基于离散小波变换（DWT）的融合算法,基于MSVD的融合效果更好,而且 MSVD的基向量只依赖于图像本身而不像小波需要固定的基.最后,采用客观性能指标对结果图像进行评价.实验结果表明,本文的方法不仅简单易行,而且图像表现出良好的视觉效果,清晰度和空间频率都有很大提高.     

基于奇异值分解的图像降噪方法

由于奇异值分解可以有效地提取图像的主要特征,为了提高算法的鲁棒性,通过将矩阵的奇异值分解引入振幅-相位恢复算法,提出了基于奇异值分解的抗噪声多强度相位恢复算法。首先,将奇异值分解引入振幅-相位恢复算法,在振幅-相位恢复算法取平均值之后,对恢复的图像进行奇异值分解,奇异值较小的分量认为是噪声,保留奇异值较大的分量,将奇异值较小的分量置为0。其次,通过数值模拟实验可以看出,通过奇异值分解,不仅可以去除测量过程中所引入的噪声,而且还可以充分利用自然图像稀疏的特性,加快振幅-相位恢复算法的收敛,且具有更少的算法运行时间。     

自适应PCNN多聚焦图像融合

脉冲耦合神经网络（PNNN）型参数多,计算复杂,并且通常选取经验常数作为链接强度,这极大地限制了PCNN的普遍适用性.针对该问题,在分析PCNN模型基本特征的基础上,结合多聚焦图像的基本特点提出了一种基于PCNN的自适应多聚焦图像融合新方法.该方法在PCNN简化模型的基础上既将拉普拉斯能量作为PCNN对应神经元的链接强度β,又将其作为PCNN对应神经元的反馈输入经过PCNN点火从而获得每幅参与融合图像的点火映射图,最后通过选取适当的融合规则获得融合图像.实验结果表明了该方法的有效性,这种有效性不仅体现在视觉效果上,而且体现在客观评价标准上.     

基于FDST和双通道PCNN的红外与可见光图像融合

为提高融合图像的细节表现力和信息冗余度,针对红外与可见光图像,提出一种基于有限离散剪切波变换（FDST）和双通道脉冲耦合神经网络（PCNN）的图像融合方法。首先,利用FDST分解红外与可见光图像得到各自的高低频子带系数;再对高低频子带系数分别采用不同链接强度的改进的空间频率激励的双通道PCNN进行融合;最后,通过FDST反变换得到融合图像。实验结果表明该算法能够有效增强图像清晰度和整体视觉效果,融合效果跟其他融合方法相比,在互信息、边缘信息传递量、标准差多个客观评价指标上具有明显提高。     

基于奇异值分解的基图像的人脸识别

研究了基于奇异值分解的人脸识别问题。首先证明了图像的大量信息主要体现在图像矩阵奇异值分解的前几个最大奇异值所对应的左、右奇异向量中,然后给出了模板图像的基图像,并将图像展开成基图像的线性表示,提取其组合系数作为图像的代数特征并用于人脸识别中。实验表明,较以投影系数向量为代数特征的人脸识别方法,该方法所需的运行时间明显降低,而且与基于奇异值向量作为图像特征的方法相比,该方法的识别精度明显提高。     

基于奇异值分解法的红外热图像序列处理

针对脉冲涡流热成像检测技术中原始红外图像信噪比较低、温度对比性较差以及存在邻近效应和不均匀加热的问题,将奇异值分解法应用到热图序列的处理中以增强重构图像中的缺陷特征.介绍了奇异值分解法的原理,用奇异值分解法对实验中采集到的热图序列进行处理,以信噪比为指标对图像的处理效果进行评定.结果表明奇异值分解法能够抽取红外热图序列反映缺陷信息特征,可消除邻近效应和不均匀加热的影响,提高图像的信噪比.将奇异值分解法与主成分分析法比较,发现前者重构的图像质量高于后者,是处理红外热图序列的又一有效方法.     

基于邻域统计信息的红外与可见光图像融合

针对红外图像与可见光图像的融合问题,提出了一种基于邻域统计信息的图像融合新算法。首先对图像进行多尺度分解,得到一系列子带系数,然后针对各子带系数的物理特性,提出了高低频规则不同的图像融合算法。对于图像低频部分,首先定义基于邻域统计信息的目标和场景特征参数,然后设计了加权系数自适应变化的加权平均融合策略;对于图像高频部分,首先定义邻域系数分布特征参数,然后设计了受邻域统计信息调制的系数比较取大融合策略。实验结果表明该算法能够很好地将红外图像与可见光图像进行融合,且融合效果优于其他一些算法。     

基于图像结构信息复数表示与奇异值分解的灰度图像质量评价方法

为了进一步突出图像结构中人眼敏感的重要特征,采用复数矩阵表示图像结构,将图像的局部方差和像素灰度值分别作为复数的实部和虚部。进而对复数矩阵进行分块奇异值分解,分析了传统奇异值分解图像质量评价方法的特点,将复数矩阵每一分块奇异值分布的标准差作为分块图像结构的表征,分别计算参考图像与待测图像对应图像分块奇异值标准差,从而得到了图像结构失真映射图谱,通过计算图谱中的数据分布特征得到最终的量化评价结果。采用LIVE数据库中包含5种失真类型的779幅测试图像验证所提的算法。试验结果表明,本文方法采用复数矩阵描述图像结构信息,平衡了对各种失真类型的敏感程度,与人眼视觉感知(HVS)的一致性优于传统方法。     

基于SVD的小波变换图像去噪方法

针对传统SVD图像去噪方法的不足,提出了一种基于SVD分解的小波分解图像去噪方法。通过对小波变换的系数矩阵进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在噪声中的信号成分。实验结果表明该文提出的方法适用于图像信号的提取,与传统的SVD去噪方法相比,它提取出的信号特征成分更完整,信噪比更高。     

基于NSST和自适应PCNN的图像融合算法

针对红外和可见光图像的特点,本文提出了一种基于非下采样剪切波变换(NSST)和自适应的脉冲耦合神经网络(PCNN)相结合的红外与可见光图像融合的新算法。对经过NSST变换后的低频子带系数采用带高斯权重分布矩阵的局域方差和方差匹配度相结合的融合规则,对高频子带系数采用一种改进的空间频率作为PCNN输入,且采用改进的拉普拉斯能量和作为PCNN的链接强度,利用PCNN全局耦合性和脉冲同步性选择高频子带系数,最后经NSST逆变换后得到融合结果。实验结果表明,本文提出的算法与传统的图像融合算法相比不仅在主观视觉上取得较好的效果,而且在客观标准上也有了一定的提高。     

基于区域分割和非采样Contourlet变换的红外和可见光图像融合

针对同一场景的红外和可见光图像,提出一种基于OTSU递归分割算法的区域分割和非采样Contourlet变换的红外和可见光图像融合算法。首先,对红外和可见光图像进行区域分割和区域关联,关联映射图分为目标区域、背景区域和灰度区域。随后,应用NSCT变换对图像进行多尺度、多方向分解,按照关联映射图中三个区域对NSCT分解后的高低频子带系数进行区域划分,根据不同区域的特性在NSCT域设计不同的融合规则。最后,进行重构得到融合图像。对三组不同场景图像的实验结果进行主观目视判别和客观性能评价,对比基于像素和邻域能量的融合算法,本文算法不仅能较全面的保持可见光图像中的光谱信息,而且能够有效、准确的提取红外图像的热目标信息,优于传统的基于像素和邻域能量的融合算法,可获得较理想的融合图像。     

基于自适应PCNN的紫外图像融合算法

电晕放电产生的紫外线波长为200~400 nm,为避开太阳光和日光灯的干扰,利用240~280 nm这一日盲波段获取紫外放电图。为能够确定电晕放电的位置,提出了一种适用于可见光图像和紫外图像融合的新算法。以图像空间频率和信息熵作为PCNN对应神经元的链接强度值,并与加权平均法、拉普拉斯金字塔变换方法和小波方法等融合算法相比较。实验结果表明,文中方法优于其它方法,融合效果良好。     

基于特征提取的红外与可见光图像融合

为提高红外与可见光图像融合的效果,加快融合算法处理速度,提出了一种基于特征提取的图像融合算法。改进了数学形态学中的顶帽运算,用于提取源图像的特征图像及背景图像;设计融合规则,对特征图像及背景图像分别进行融合处理;最后重构得到融合图像。另外,对本文融合方法的参数选择进行了分析,并且设计了适用于背景图像融合的自适应加权融合规则。实验表明,该融合方法能有效获取源图像的特征信息,提供丰富的背景信息,运算速度快,易于硬件实现。     

基于Shearlet变换的红外与可见光图像融合

针对传统Shearlet变换融合方法在图像的奇异处 易产生伪吉布斯现象并且融合数据量 较大的缺点,本文结合 压缩感知(CS)理论提出一种基于改进Shearlet变换的红外与可见光图像融合方法。首先通过 非下采样金字塔滤波器组对待 融合红外与可见光图像分别进行分解,得到与原图像同等大小的高频信息图和低频信息图; 对于低频信息图,采用 能够恰当表征红外与可见光比例权值的局部区域信息熵进行融合;对于高频信息图,通过Sh earlet变换中水平、垂直和 对角剪切滤波器组进行滤波,继而将滤波后的系数分别采用简单且易物理实现的托普利茨矩 阵进行观测并权值融合, 然后通过分裂Bergman迭代获得融合后的高频Shearlet系数;最后经滤波器重构得到融合后 的图像。实验结果表明该算法有效地解决了吉布斯现象问题,融合图像对比度较高,并相对 于传统的融合方法减少了传输和融合的数据量,并且将融合时间缩短到50s以内,提高了融合效率。     

块奇异值分解和量化实现的图像数字水印算法

讨论了当前将水印嵌入在块奇异值分解（SVD,singular value decomposition）后最大奇异值中的图像数字水印算法不足,进而提出了两种新的将水印嵌入在块SVD后最大奇异值除外的其余奇异值中的图像数字水印算法。两种新算法均采用了量化嵌入策略,从而使两种算法在提取水印时无需任何原始信息的帮助。实验结果表...