多尺度分解算法与融合规则优化组合的双模态红外图像融合

针对现有双模态红外图像多尺度分解算法与融合规则的组合关系不能随着图像特征的不同而改变的问题,提出基于不同图像特征的多尺度分解算法与融合规则优化组合的融合方法。首先分析比较了7种常用多尺度分解算法对图像结构、边缘、纹理特征的提取效果;其次利用8种典型的融合规则对上述特征进行融合,并分析融合效果;最后提出了选择优化组合的融合效果分作为依据,构建了不同组合融合效果分数图,利用该分数图得出对于单特征与双特征融合的优化组合算法。实验结果表明,该优化组合方法对于不同图像特征的融合效果具有明显提升。     

基于NSST和区域生长的红外与可见光图像融合算法

针对当前红外与可见光图像融合中红外目标提取信息度不足和灰度对比度较低的问题,将多尺度多方向变换技术与目标提取技术相结合,提出了1种基于非下采样剪切波变换(non-subsampled shearlet transform,NSST)和区域生长的红外与可见光图像融合算法。首先对红外图像运用区域生长法提取出目标区域并投影到可见光图像中,然后对映射图像与红外图像做NSST分解得到各尺度各方向的子带图像。低通子带融合系数的选择采用基于区域能量的加权平均法,高频子带系数的选择采用基于改进型Sobel算子和区域平均梯度的融合规则。最后通过对融合系数做NSST逆变换得到期望的融合图像。实验结果表明,所提算法得到的融合图像红外目标突出,背景清晰,定位准确,平均灰度也更接近源可见光图像,具有良好的视觉效果。     

基于双边滤波的二维动画图像多尺度细节增强方法

传统二维动画图像增强方法很难保证色彩通道之间存在的关联性,导致图像缺乏层次感,可靠性差。为此,设计基于双边滤波的二维动画图像多尺度细节增强方法。对原始的二维动画图像进行多尺度分解,通过双平台直方图均衡处理分解后的背景层图像,保证图像整体灰度动态范围与原始图像相同。在多尺度图像融合过程中,引入梯度权重因子,利用梯度函数增强图像细节,获得细节图像,并计算出所有分解图像的细节系数,通过加权平均实现分解图像融合。实验结果表明,所设计的基于双边滤波二维动画图像多尺度细节增强方法能够有效去除图像噪声,保持图像边缘平滑,提高图像的层次感,可靠性强。     

基于小波变换的影像融合技术研究

小波变化可以实现时频两域的有效变换,能够从各种大地测量信号中快速有效的提取有用的信息,用于误差提取以及尺度分析,通过函数的伸缩和平移能够实现多尺度的细化分析。本文主要基于小波变换下针对数字图像进行高分辨率图像和高光谱图像的融合,并用Erdas软件实现了两幅图像的基于小波变换的有效融合。     

Contourlet变换系数加权的医学图像融合

本文针对多模态的CT、MRI图像的融合,利用Contourlet变换多尺度、多方向的特性,提出了系数加权的融合算法。对于低频子带,采用局部信息均值和方差来进行系数加权;对于高频子带,采用条件加权。将本算法应用于不同模态的医学图像的融合,有效增加多模态医学图像的互补信息,提高融合的清晰度。     

深度玻尔兹曼机在图像融合中的应用

针对可见光与红外图像融合时出现的特征信息提取不足等问题,提出了一种基于非下采样剪切波变换(NSST)与深度玻尔兹曼机(DBM)的可见光与红外图像融合方法。首先,利用DBM实现红外图像的最优能量分割以提取其中的显著红外目标;其次,将分割得到的显著目标区域与背景区域分别投影至源图像,获得相关映射图;最后,使用NSST分别对可见光图像与红外投影图像进行多尺度、多方向稀疏分解,对源图像的一系列子图像进行融合,并采取NSST反变换重构获得最终融合图像。仿真实验结果表明:与现有的3种经典方法相比,本文方法在信息熵方面高于轮廓波变换法约4.1%,在平均梯度方面高于NSST法约1.0%,在互信息方面高于NSCT法约3.8%。获得的融合图像具有较高的对比度和丰富的细节信息。     

强震作用下高层结构地震响应时程的多步预测

提出了一种结合经验模态分解(EMD)与极限学习机(ELM)的时间序列多步预测方法,对近断层强震作用下弹塑性高层框架结构的顶层加速度和位移响应时程进行了多步预测。首先,利用经验模态分解技术将高层结构非线性、非平稳地震响应分解为一系列具有不同特征尺度的固有模态函数序列(IMFs)。然后,利用极限学习机分别对固有模态函数子序列进行多步预测,再将各子序列的预测值叠加得到最终的预测值。预测结果表明,EMD-ELM预测方法能够高精度地实现强震作用下高层建筑动力响应的多步预测。建筑结构地震响应时程的短期预测可为主动、半主动控制系统预先提供准确的动力响应,从而有利于实现工程结构的在线实时减震控制。     

结合稀疏表示与神经网络的医学图像融合

临床辅助诊断对医学图像视觉效果提出了较高的要求,但非下采样轮廓波变换(NSCT)分解获得的低频子带系数不具有稀疏性,不利于保持源图像的细节信息。针对上述问题,提出了一种结合稀疏表示与脉冲耦合神经网络(PCNN)的医学图像融合算法。首先,通过NSCT将源图像分解成低、高频子带系数;其次,利用K奇异值分解(K-SVD)法训练低频子带系数获取过完备字典D,利用正交匹配追踪(OMP)算法稀疏编码低频子带系数,完成低频子带稀疏系数的融合。然后,利用高频子带的空间频率激励脉冲耦合神经网络,根据点火次数选择高频子带的融合系数。最后,将融合的低、高频子带系数通过NSCT逆变换重构出融合的医学图像。实验结果表明:对于边缘信息传递因子Q~(AB/F)指标,该算法灰度和彩色图像融合结果相比于对比算法约提升了34%和10%,且融合结果综合性能优于现有算法。     

结构健康监测信息的多尺度分析

采用离散Kalman滤波和小波多尺度分析动态融合数据,来提高目前结构健康监测信息的完备性和精确性.以一个受外荷载作用的三层框架为例,对结构进行了数值模拟.首先采用Mallat小波算法,对信号进行多尺度分解,把分解的数据通过传感器动态信号的独立离散Kalman滤波估计结构振动信息;最后融合传感器的估计结果,数值仿真的结果验证了算法的有效性.通过误差分析,给出了具有工程实际意义的结论.     

两种改善CEEMD端点效应方法的研究分析

在做互补集合经验模态分解(CEEMD)时存在的最主要问题之一就是"端点效应"。在实际工程应用中有多种"端点效应"处理方法,文章将对镜像对称延拓处理与边界局部特征尺度匹配延拓处理两种方法进行对比研究分析,利用已经编制好的两种"端点效应"处理方法的MATLAB程序对调幅调频信号进行分析。首先从生成的IMF(本征模函数)图像上观察两种"端点效应"处理方法的差异,并与不做端点处理的IMF图像进行对比。然后利用经CEEMD分解后得到的IMF与原信号的相似系数、IMF与原信号的平均相对误差与程序运行时间等数值指标,对两种"端点效应"处理方法进行数值指标分析。结果表明:CEEMD在分解调幅调频信号时,边界局部特征尺度匹配延拓法在处理"端点效应"时表现最佳。