提高边缘细节清晰度的图像融合改进算法

为解决图像融合过程中边缘信息以及细节内容易于丢失的问题,提出图像融合的改进算法。对源图像进行小波变换分解,将分解后的高低频系数用矩阵存储。对于低频子带的系数,采用形态学边缘检测的方法,提取出边缘轮廓系数,后运用加权平均法对其进行融合得到用于重构的低频系数。对于各高频子带的系数,先采用区域能量法构造出判断矩阵,经多数筛选法和形态学处理后得到二值融合决策图,并根据此决策图选取出用于重构的高频系数。最后,进行图像重构得到融合图像。实验结果表明,该算法增强了图像边缘细节的清晰度,其图像融合效果在相同融合条件下比其它算法更好,熵、标准差和平均梯度等图像融合的评价指标提高了0.5%～5%,可以更有效地应用于医学或多聚焦图像的融合。     

一种基于小波变换与局部能量的多聚焦图像融合算法

提出了一种基于小波变换与局部能量的多聚焦图像融合算法.对不同聚焦图像进行小波变换.采用局部离散度准则对各个方向上的高频系数进行融合,采用小绝对值准则对低频系数进行融合,对融合后的小波系数进行重构,这样得到高低频比例升高的融合图像.结果表明,该方法可提取出多聚焦图像中的清晰目标,生成的融合图像效果优于用一般小波变换方法生成的图像.     

基于非下采样Contourlet变换的织物疵点检测方法

提出了一种基于非下采样Contourlet变换的织物疵点检测新方法。首先对织物疵点图像进行非下采样Contourlet变换(NSCT)得到一个低频子带和多个高频子带;然后通过代价函数在高频子带中挑选最优子带并阈值化,同时对低频子带采用非线性增益函数进行增强及阈值化处理;最后将经上述处理后的低频子带与高频子带进行融合与分割,以二值图像的方式从织物背景中提取出疵点。对比实验结果表明,该方法具有较高的检出率及良好的适应性。     

基于可见光—红外光图像融合的苹果缺陷检测算法

针对传统苹果缺陷检测方法存在的劳动强度大、生产率低及误判率高的缺点,提出了基于图像融合的苹果缺陷检测算法,该算法利用可见光和红外图像的高、低频小波系数采用不同的融合方法,以获得更加突出的特征图像。仿真结果表明,该方法在划碰伤、果梗/花萼、完好果的苹果果实检测方面平均识别率可达96%,且在划碰伤方面识别率可达92%,而在果梗、花萼及完好果的检测方面识别率可高达100%,完全满足苹果在线检测分级的需要。     

分区压缩方法在医学图像压缩中的应用

为了有效压缩海量的医学图像数据,以节省存储空间和传输时间,本文提出一种基于感兴趣区域(ROI)的医学图像压缩算法,选出医学图像的ROI,利用小波变换得到子带图像,对ROI小波变换低频子带采用无损编码压缩算法,而对ROI高频子带及非感兴趣区域(RONI)采用改进的SPIHT压缩编码算法,较好地解决了医学图像的高压缩比与高质量之间的矛盾。     

一种红外图像增强算法研究

针对传统红外图像存在的一些不足,提出一种融合多尺度Retinex和小波变换的红外图像增强算法。该算法综合了小波变换多尺度、多分辨率的优点,以及多尺度Retinex红外增强的特性,利用小波变换对图像信号进行分解,对低频系数进行多尺度Retinex算法处理,而对小波分解的高频细分量进行消除噪声并改善图像细节部分,并同时也改善了性噪比、对比度以及亮度均匀性等性能指标。通过仿真该算法可增强图像细节,优化图像整体视觉效果。     

基于红外与可见光图像融合的苹果表面缺陷检测方法

目的：解决目前中国苹果分级分类大部分情况下仍需要进行人工筛选的问题。方法：采用基于多尺度变换的红外与可见光图像融合算法对所采集到的苹果的可见光图像和红外图像进行融合,得到缺陷特征更加直观的融合图像,对该图像进行图像的预处理操作得到二值化图像数据集,再采用卷积神经网络的AlexNet模型对之前的苹果表面缺陷数据集进行训练、验证和检测。结果：该检测方法在所制作的苹果表面缺陷数据集上对完好果、缺陷果、花萼/果梗、花萼/果梗加缺陷识别的平均准确度为99.0%,其中对花萼/果梗的识别准确率可达95.8%,对完好果、缺陷果和花萼/果梗加缺陷的识别准确率高达100%。结论：该方法对苹果表面缺陷的检测精度比较高,可以满足对苹果的在线分级的需求。     

一种基于像素清晰度的多聚焦图像融合方法

针对多聚焦图像的特点和区域融合规则的优点,给出了一种基于图像像素清晰度的多聚焦图像融合方法.该方法通过小波分解后的系数求取各图像像素的清晰度,对低频分量采用基于像素清晰度的自适应加权平均方法进行融合,对分解后得到的高频分量、高频系数选取基于图像像素清晰度最大原则,并对选择结果进行一致性验证.实验结果表明,采用该方法得到的图像,很好地保留了图像边缘、轮廓等重要特征,具有较好的视觉效果.     

基于小波变换的农田害虫图像预处理研究

以农田害虫识别系统中图像的预处理为研究对象,利用小波变换对图像进行不同尺度的小波分解,对得到的小波系数进行不同的处理,包括小尺度下的高频系数置零、阈值处理、模极大值处理以及增加大尺度下高频系数的相对值等方法,从而达到去噪、增强等图像预处理的目的.结果表明:利用小波变换对图像进行处理,可以收到良好的效果.     

基于高光谱成像技术的水果品质无损检测

高光谱图像技术结合光谱技术与计算机图像技术两者的优点,可获得大量包含连续波长光谱信息的图像块,其图像信息可检测水果的外部品质,光谱信息则可用于水果内部品质的检测,达到根据水果内、外部综合品质进行分类的目的. 综述了国内外将该技术应用于水果品质检测方面的研究进展,提出了利用高光谱图像技术检测苹果轻微损伤的方法,利用500～900nm的高光谱图像数据,通过主成分分析提取547nm波长下的特征图像.