基于小波变换的图像融合技术研究

提出了一种基于小波变换的图像融合算法.首先,将配准后的多源图像进行小波分解,从而得到各个源图像的低频系数和高频系数.其次,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,通过小波逆变换得到融合图像.通过大量的实验以及与其他融合算法的比较分析,表明该方法的有效性和优越性.     

基于提升小波变换的红外图像双重滤波算法

为了有效抑制红外图像中的随机噪声,采用一种基于提升小波变换的双重滤波算法来进行处理。该算法对含有噪声的红外图像实现第1次提升小波分解,然后对获得的低频和高频分解系数再次实现提升小波变换,舍弃由低频系数经过第2次提升小波变换后获得的低频系数以及由高频系数经过第2次提升小波变换后获得的高频系数。对剩余的高频系数和低频系数分别采用改进阈值函数模型以及改进非局部均值滤波算法进行处理,在此基础上实现小波系数重构。为了改善滤波后图像视觉效果,再引入直方图均衡化算法进行处理。通过理论分析和实验验证,获得了相关的标准测试图像和红外图像测试结果以及峰值信噪比和结构相似度测试数据。结果表明,该滤算法对于高质量地去除红外图像中的噪声是有帮助的。     

基于Laplacian算子的小波变换图像融合算法

针对传统融合算法在图像融合时,不能很好地保留源图像信息和边缘信息的缺点,提出了一种基于Laplacian算子的小波变换图像融合算法。该算法利用小波变换对图像进行分解,分解后得到图像的低频系数和高频系数;对高频系数采用基于对两个Laplacian模板算子卷积结果相比较并进行筛选的融合规则;对低频系数采用基于拉普拉斯清晰度评价函数和8邻域局部方差相结合的融合规则;最后进行小波逆变换得到融合图像。对实验结果结合主观和多种客观评价方法进行分析。结果表明,该改进算法与传统融合算法相比融合效果更好,融合图像具有边缘信息丰富、图像清晰度高等优点。     

小波变换在微光图像消噪中的应用算法研究

根据小波变换用于图像消噪的原理,结合微光图像噪声的闪烁颗粒性特点,对小波变换用于微光图像消噪时的小波基及小波分解层次的选取进行了分析,得出采用Haar小波进行一层分解即可满足微光图像消噪要求的结论。为了选取小波消噪的系数阈值,通过对三幅微光图像小波系数的直方图分析,设计了阈值选取算法,并针对微光图像,得出了消噪的经验阈值。经过仿真实验及算法复杂度的时间分析,在实时性和微光图像消噪效果之间取得了平衡。     

基于Tetrolet变换域核维纳滤波斑点噪声抑制

针对图像中广泛存在的斑点噪声,提出了一种基于Tetrolet变换域抑制方法。该方法首先对噪声图像进行三层Tetrolet分解,获得低频和高频分解系数;然后对于高频Tetrolet分解系数采用基于核方法的自适应维纳滤波器进行滤波处理;对于低频Tetrolet分解系数设计出一种可调节参数的自适应阈值函数进行噪声抑制;最后进行系数重构。实验结果表明,该算法具有较好的滤波效果。     

基于小波变换的低对比度图像增强

针对传统算法存在噪声过增强的问题,提出了基于小波分析的图像增强算法。在小波变换多尺度分析的基础上,算法对图像多尺度分解得到的小波系数进行缩减去噪,然后在不同尺度上对各分解系数进行不同程度的增强;对同一尺度的系数进行非线性处理以增加对比度;增强低频子带图像的对比度以保证整体的增强效果。实验表明,该算法能有效地增强低对比度图像,减小了噪声的增强幅度,使结果图像具有很好的视觉效果。     

基于NSST和稀疏表示的多源异类图像融合方法

针对SAR、红外和可见光图像的灰度差异性大,融合图像感兴趣目标不突出的问题,提出一种基于NSST和稀疏表示的多源异类图像融合方法。首先将训练图像进行NSST变换,在低频系数上构建多尺度学习字典;对SAR、红外和可见光图像进行NSST变换,利用滑动窗口分解低频系数为图像块序列,对图像块序列零均值化后再稀疏分解,采用稀疏系数绝对值取大的融合规则;高频子带系数采用局部方向信息熵显著性因子取大的融合规则;最后对融合系数进行NSST逆变换得到最终的融合图像。     

一种基于频域的红外与可见光图像融合新算法

引入具有详细数学表达的多小波——V-系统,利用V-系统的多分辨性和NSCT的多方向性,对红外和可见光图像进行多层次、多方向分解,各层次各方向采用不同的融合方案进行图像融合。首先对源图像进行多层V-分解,得到图像的轮廓信息和多层细节信息;接着用NSCT对V分解得到的轮廓信息再分解,得到相应的低频和高频系数,低频系数用基于稀疏表示的融合规则融合,高频系数用基于二维Log-Gabor能量的融合规则融合,将改进的脉冲耦合神经网络融合规则用于V分解得到的细节信息的融合;最后,经过相应的逆变换得到融合图像。本文算法从不同层面、不同方向对源图像分解,使得源图像的细节得到细致刻画,同时多种融合方案的结合,使得融合图像的细节信息更加清晰,对比度得到提高,客观指标也有显著提高。     

区域图像融合算法在红外图像分析中的应用

采用区域分裂合并算法获得待融合图像的共同区域,同时,对两幅待融合图像进行多尺度分解,根据区域相似度和融合量测指标对分解后的低频系数和高频系数进行加权平均和系数选取,经小波逆变换后得到融合后的图像.试验结果表明,基于区域的融合算法能够保留更多的细节信息.     

估计小波系数方差邻域大小的研究

利用小波变换去噪时小波系数方差的估计对去噪结果影响很大。自然图像小波分解后得到的系数在不同的分辨率中差异很大,所以利用邻域估计中心点方差时,不同分辨率应有不同大小的邻域。首先对在邻域中利用极大似然准则估计中心点方差进行分析,再结合自然图像小波分解后的系数在不同分辨率子带中,根据平稳性和重要性选择邻域的大小。最后进行去噪实验,并取得正交小波分解下理想的去噪性能。     

基于独立分量分析的压缩域彩色图像融合

提出了一种基于独立分量分析的压缩域彩色图像融合方法,其基本思想是将源彩色图像进行IHS变换,将两幅图像的亮度分量/进行小波分解,对分解后的高频系数采用由独立分量分析得出的变换矩阵进行变换,然后对变换系数采用局部方差法进行融合,而对小波分解后的低频子图像分成若干N×N的图像块,分别对每个图像块做二维DCT变换,最后对融合的系数进行反变换得到融合结果,并用客观评价标准对结果进行了定量的分析.实验结果表明:该方法在提高空间信息的基础上,较少地降低了颜色失真.     

小波分析在图像融合中的应用

图像融合的目的是把同一目标的多幅图像融合成一幅质量高的图像。本文给出了一种基于小波变换的图像融合方法，首先对两幅图像使用正交小波进行分解，得到两幅图像的小波分解系数，根据小波系数的特点，对两幅图像的小波系数进行比较，取绝对值大的小波系数构成融合的小波系数矩阵。对融合小波系数矩阵进行小波反变换，得到两幅图像的融合图像。最后使用该方法对两幅图像进行了融合，得到的融合图像汲取了两幅图像的优势，是一幅质量高的图像。     

基于均匀离散曲波变换的多聚焦图像融合

利用均匀离散曲波变换（UDCT）多尺度、多方向、低冗余等特征,提出了一种新的多聚焦图像融合方法。首先使用UDCT对源图像进行多频带分解;然后根据多聚焦图像的特点,对分解后的低频子带系数运用一种基于改进拉普拉斯和算子的方案进行融合,对高频方向子带系数运用基于局部能量的融合规则进行融合,并对融合系数做一致性检测;最后重建各子带系数得到融合图像。实验结果表明:所提方法可以有效地融合源图像中的方向信息和细节特征,同时抑制了融合图像中的伪Gibbs现象;与基于拉普拉斯金字塔分解、小波变换以及轮廓波变换的图像融合方法相比,该方法取得了更好的视觉效果和量化结果。     

基于贝叶斯准则的小波域自适应消噪阈值

为了从噪声图像中最大程度地恢复出原始清晰的图像,从图像小波分解数据的统计特性出发,将近指数模型作为分解层间小波系数的先验分布,用以描述各尺度小波分解系数的相关性.进而基于贝叶斯准则,提出了一种新型的自适应小波图像去噪阈值.实验结果表明,该类阈值体现了图像小波系数在各尺度间的相关性,其去噪性能要好于现有的阈值算法.     

基于DWT SVD域的彩色图像水印算法

针对数字产品的版权保护问题,提出了一种结合整数小波变换（DWT）和矩阵奇异值分解（SVD）的彩色图像非盲水印算法。该算法首先对待处理图像的蓝色分量进行整数小波分解,再将得到的低频子带的小波系数矩阵进行奇异值分解,然后对水印灰度图像进行奇异值分解,水印图像的奇异值被嵌入到由源图像小波系数分解得到的奇异值中。经过奇异值分解逆变换及整数小波逆变换得到含水印图像。实验结果表明,该算法对加噪、滤波、JPEG压缩、剪切、缩放和旋转攻击均有较强的抵抗力,具有较好的实用价值。     

改进快速NSST的热烟羽红外与可见光图像融合

针对非下采样剪切波变换逐步划分子带过程中迭代滤波运算效率不高的问题,提出一种非下采样剪切波变换的快速分解重构方法。改进的分解方法根据分解的尺度卷积非下采样金字塔滤波器组中相应的滤波器,用卷积结果对源图像进行滤波,直接生成子带图像,在提高图像分解速度的同时,也相应减少分解迭代滤波的运算量。本文采用一种基于标准差的区域特性量测方法用于低频系数融合,突出低频系数中的轮廓信息;最高频系数融合采用能量取大的融合规则,其余高频系数通过结合改进的拉普拉斯能量和与梯度特性进行融合,使目标烟羽的边缘信息更加清晰。实验结果表明,融合后热烟羽图像目标细节清晰突出;综合客观评价指标来看,本文方法优于一些常用的红外与可见光图像融合方法。     

图像融合技术研究

用小波进行图像融合的原理就是将两个原始的图像的小波分解进行融合,这种融合的方法适用于近似系数和详细系数。这两个图像必须同等尺寸且在共有的图像映射上和索引的图像进行关联。     

图像融合技术研究

用小波进行图像融合的原理就是将两个原始的图像的小波分解进行融合,这种融合的方法适用于近似系数和详细系数。这两个图像必须同等尺寸且在共有的图像映射上和索引的图像进行关联。     

小波分解和重构的光学可变图像融合研究

针对传统光学可变图像融合方法存在的融合效果差、噪声干扰严重等问题,提出小波分解和重构的光学可变图像融合方法.分析光学可变图像在不同区域的融合原理,获取光学可变图像的特征;采用小波变化的方法,对光学可变图像进行多尺度分解,提取不同频率的小波系数;采用小波阈值降噪方式,对光学可变图像进行降噪处理;通过融合准则选取融合子图像...     

基于PCA的小波多分辨图像融合方法

提出小渡多分辨率下主成份分析（PCA）的图像融合方法。首先利用小波变换对融合图像进行多分辨率分解,然后利用主成份分析方法确定图像小波低频近似系数的洎适应融合权重,采用局部区域“能量”法进行小渡高频细节系数的融合,最后将小波融合系数逆变换实现图像的融合处理。实验结果证实融合图像的目标特征突出,易于目视解译。