基于NSCT的红外与可见光图像融合算法

针对红外与可见光图像融合,提出了一种基于NSCT的图像融合方法。首先对图像进行NSCT分解;然后对分解后的子带系数采用基于区域能量匹配度的融合规则分别进行融合:对于低频子带,使用区域能量和方差构造决策值,并使用决策值选大与加权平均相结合的方法进行融合,对于高频子带的最高层采用像素绝对值选大法进行图像融合,对于高频子带的其他层,采用基于区域能量匹配度的区域方差选大的融合规则进行融合;最后使用NSCT逆变换对融合后的系数进行重构得到融合图像。实验结果表明,该融合算法可以获得更多的细节信息,并且获得较理想的融合图像。     

基于非下采样轮廓波变换与引导滤波器的红外及可见光图像融合

为克服传统融合方法对灰度相关性较弱的红外与可见光图像融合存在的不足,提出一种基于 非下采样轮廓波变换（NSCT）与引导滤波器的融合方法。利用NSCT对源图像进行多尺度多方向分解,分离出包含在不同频带内的特征信息,得到一个低频近似图像和多个高频方向细节图像;局域窗口加权平均能量和改进拉普拉斯能量分别作为低频近似图像的活性测度,构造显著特征图对近似图像进行加权平均,以解决能量保持和细节提取两个关键问题;在方向细节图像中,基于活性测度取大规则获得决策映射图,将源图像作为引导图、决策映射图作为输入图像进行引导滤波,得到权重分配图,对方向细节图像进行加权平均,降低噪声的敏感度。对融合后的近似图像和方向细节图像进行NSCT逆变换,得到最后的融合图像。采用多组红外与可见光图像进行融合实验,并对融合结果进行客观评价。实验结果表明,该融合方法在主观和客观评价上均优于已有文献的一些典型融合方法,如基于两尺度分解的引导滤波融合方法、NSCT域内稀疏表示融合方法、基于像素显著性的交叉双边滤波融合方法、基于深度学习的卷积神经网络融合方法、基于显著性检测的双尺度融合方法,可获得更好的融合效果。     

基于粒子群优化的多分辨率图像融合

提出了一种基于粒子群优化的多分辨率图像融合算法,用以融合红外与可见光视觉传感器获取的图像。分别对原始图像执行快速离散Curvelet变换;根据不同子带系数的特性与原始图像的光谱特征,在低频系数的融合中着重保留目标特征,并对其余系数选取基于Tsallis熵的互信息量作为评价指标,进而利用改进的粒子群优化算法求取最佳系数融合权值;对各高频子带系数采用基于局部区域能量匹配的融合规则。经过Curvelet逆变换得到融合结果图像。实验结果表明,该算法可以有效地综合红外图像中的目标特征与可见光图像中的细节信息,其融合结果在主观视觉效果与客观评价指标上均优于传统的基于塔形变换与小波变换的融合算法。     

基于细胞响应模型的红外背景抑制

为检测复杂背景红外图像中的小目标,解决红外弱小目标检测易受复杂背景干扰的问题,提出基于非下采样Contourlet变换(NSCT)和细胞响应模型的红外图像背景抑制算法。首先采用非下采样Contourlet变换对图像进行多尺度、多方向分解,得到各子带系数;然后根据目标、背景的不同特点以及子带的方向性,选取细胞响应模型的参数对中频各个子带系数进行处理;最后对处理后的子带系数进行重构得到背景抑制图像。实验结果表明:本文算法取得了更好的背景抑制效果,提高了单帧红外图像的处理能力,降低了后续检测与跟踪的难度。     

基于小波变换的射弹序列图像混合噪声去噪

提出了一种基于小波变换的混合噪声去噪方法。首先对图像进行二维多尺度小波变换,得到低频子带图像和高频子带图像;然后对低频子带图像采用改进的邻域平均滤波进行去噪处理,对高频子带图像采用改进的小波阈值算法进行去噪处理;最后对处理后的各子带小波系数进行小波重构,得到降噪后的图像。结果表明,该算法在有效去除图像混合噪声的同时,较好地保留了图像边缘和细节。     

基于非下采样Contourlet的熵测度图像融合算法

活性测度是图像融合过程中的重要衡量工具.通过其提取的某种特征信息,来决定哪幅输入图像的特征更为明显.在基于多分辨率分解的融合算法中,常用的活性测度只考虑各层高频子带系数本身,忽略了低频系数所提供的信息.考虑到综合高、低频系数对于活性测度的影响,基于非下采样Contourlet变换良好的平移不变性、多方向等特性,提出了一...     

一种基于局部能量的自适应图像融合方法

文中提出了一种基于局部能量的自适应图像融合方法.首先对原始图像进行小波分解,得到低频和高频子图像.然后分别计算高频子图像的局部能量,再根据不同图像的相应局部能量,计算局部能量熵,根据值局部能量熵赋予其不同的加权系数,从而实现自适应的信息融合.最后通过小波反变换,得到完整的融合.实验结果表明该方法有较好的融合效果.     

侧扫声纳图像非下采样轮廓波变换域分区增强方法

成像机理的限制以及海洋中存在的丰富噪声源,导致侧扫声纳图像出现噪声污染严重、目标和背景区域灰度值对比度低以及边缘呈现强度较弱等情况。针对上述问题,提出一种侧扫声纳图像非下采样轮廓波变换（NSCT）域分区增强方法。对于声纳图像低频部分,使用非线性函数增强方法,提升低频图像对比度;对于声纳图像高频部分,通过分析声纳高频图像在NSCT域上同一尺度不同方向子带系数最大值与最小值差值的分布规律,进行噪声和纹理边缘的划分以及对应的处理。将所提方法与小波硬阈值增强方法、小波Shrinkage自适应阈值增强方法做实验对比,结果表明,该方法不仅可以较好地消除噪声,而且可以抑制琐碎纹理、提升弱边缘,侧扫声纳图像增强效果更加突出。     

基于形态成分稀疏表示的红外小弱目标检测

信号稀疏表示的超完备字典可有效感知信号的各种结构特征。针对红外小弱目标检测问题,文中提出了一种基于图像形态成分分析(morphological component analysis,MCA)理论的自适应信号稀疏表示的小弱目标检测方法。该方法根据红外图像信号自适应的训练和构造超完备字典,并进一步分为反映目标信号特征的目标子字典和表示背景噪声的背景子字典。然后求取待检测图像块在超完备字典的稀疏表示系数,挖掘目标和背景的稀疏表示系数差异,最后通过量化和比较信号在目标子字典的表示系数检测小弱目标。实验结果证明了该方法的有效性。     

基于小波变换与模糊理论的图像增强算法研究

针对传统图像增强方法增强图像同时放大噪声的问题,提出了一种基于小波变换和改进模糊集理论进行图像增强的方法.该算法先对原始图像进行小波变换获得低频和高频系数,对低频系数进行了分段函数增强,高频系数进行小波去噪,并且定义新的隶属度函数对各个尺度上不同方向的高频系数进行模糊增强,最后通过小波重构得到增强的图像.实验结果表明,该算法可以有效去除噪声和增强图像,并使图像具有良好的视觉效果.     

基于最大后验概率准则的红外图像NSCT域去噪方法

提出了具有图像增强效果的基于最大后验概率准则的非下采样Contourlet变换(NSCT,Non-Subsampled Contourlet Transform)域自适应降噪算法。该算法在定图像系数和噪声系数先验为高斯分布的前提下,利用后验概率最大原理计算NSCT系数的萎缩因子。在考虑尺度和方向能量因素的基础上对萎缩因子进行了修正,并用于NSCT系数萎缩过程中。最后,通过逆变换重构出降噪和增强的图像。试验结果表明,本文方法与小波去噪方法相比,性能有明显的提升。     

融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割

声纳图像成像质量差、特征信息弱,目标分割存在一定困难,为此提出一种融合多尺度统计信息的模糊C均值(FCM)聚类与Markov随机场(MRF)的小波域声纳图像分割算法。小波域中低频信息统计特性描述了低频不同区域像素聚类情况,高频信息反映了该方向纹理特征,依据低频子带的统计峰值选取FCM初始聚类中心,应用小波域FCM聚类算法对声纳图像进行预分割,抑制噪声的影响,提高了预分割的准确性;构建初分割后图像的多尺度MRF模型,尺度间节点标记的相关性采用1阶Markov性表征,尺度内构建2阶邻域系统描述系数间的标记联系,标记场采用双点多级逻辑模型建模,同一标记的系数特征场采用高斯模型建模,弥补了MRF算法中层次信息和轮廓信息描述的不足;应用迭代条件模型算法求其最小能量下的标记场,实现声纳图像分割。从视觉主观效果和客观评价指标两方面的实验结果验证表明,该算法分割声纳图像均优于FCM聚类算法和MRF算法,分割的声纳图像边缘与细节的清晰度、精细度均有一定程度改善。     

基于小波变换的数字视频多分辨率编/解码及图像轮廓识别

基于小波变换和Mallat算法的数字视频编/解码及图像轮廓识别,编码端用小波变换将二维图像信号子带分解成1个低频分量和3个高频分量,并结合可编程量化和Huffman编码获得较大压缩比信号的数据比特流,实现数字视频编码.在接收端,用小波逆变换对4个子带信号重构,恢复出原始二维图像信号,实现视频解码.用小波变换的分辨率特性和二维子带谱分析法实现图像轮廓识别.     

一种基于小波变换的可见光与红外图像融合算法研究

为了解决可见光与红外图像所表现的目标特征不一致的问题,提出了一种红外与可见光图像融合算法.首先利用小波变换将图像进行多尺度分解,然后提取不同分辨率、不同方向下的小波系数,采用不同的融合算法构造融合图像对应的小波系数,最后利用该小波系数重构融合后的图像.实验结果表明,该算法在红外与可见光图像融合处理中取得了很好的融合效果,有效地将红外和可见光对同一目标所表现出不同的特征、细节融合在一幅图像里,增加了单幅图像的信息量,丰富了目标的信息层次,为图像显示观察和后续图象处理系统获取信息提供了基础.     

基于相位一致性的结构相似度图像融合质量评价方法

在红外(IR)图像和可见光CCD图像融合效果评价中,结构轮廓对人眼感知的影响非常重要,而相位一致性（PC）模型生成的PC图像很好地在红外(IR)图像和可见光CCD图像融合效果评价中,结构轮廓对人眼感知的影响非常重要,而相位一致性（PC）模型生成的PC图像很好地保留了结构轮廓特征,且不受图像亮度和对比度变化的影响。提出了基于PC的结构相似度（SSIM）图像融合质量评价方法;利用SSIM模型分别产生融合图像相对于IR图像和可见光CCD图像的SSIM图像;根据PC模型产生IR和可见光CCD各自的PC图像;根据人眼对轮廓和非轮廓区域的重视程度的不同,利用各自的PC图像对SSIM图像进行加权; 最终利用信息熵加权得到融合图像的评价指标。实验中,在对实验图像进行主观评价和多种客观评 价指标计算的基础上,首次计算了非线性相关系数和斯皮尔曼等级相关系数(SROCC),最后统计分析实验数据。实验结果表明该方法较以往评价方法具有更好的主客观一致性。     

基于GLC-KSVD的稀疏表示人脸识别算法

稀疏编码中的字典学习是基于稀疏表示图像分类的核心内容,为此提出了一种基于Gabor特征和标签一致K-SVD(GLC-KSVD)字典学习的稀疏表示人脸识别算法;由于Gabor特征对光照、表情和姿态等具有一定的鲁棒性,首先对图像进行Gabor特征提取,用增广的Gabor特征矩阵来构建初始字典,然后通过字典学习得到原子与类别标签相对应的判别性字典和线性分类器,字典学习模型综合了重建误差、分类误差和稀疏编码误差,通过字典的标签一致约束,同一类别的样本得到相似的编码系数;实验结果表明:该算法具有良好的识别精度和较高的识别效率。