基于视觉显著性和NSCT的红外与可见光图像融合

结合非下采样轮廓波变换的平移不变性,提出了一种基于视觉显著性的红外与可见光图像融合算法。首先,利用引导滤波器改进显著性检测算法并将其用于红外图像;然后,对红外图像和可见光图像进行非下采样轮廓波变换以得到各自的低频与高频子带;最后,在低频与高频子带的融合中分别采用红外图像显著性指导法与绝对值取大法。实验结果表明,与多种相关算法相比,该算法所得融合图像在突出红外目标的同时还具有丰富的可见光背景信息,具有更好的视觉融合效果和客观质量评价。     

非下采样轮廓波变换的前视声呐图像融合

针对前视声呐图像清晰程度不同,局部区域模糊的特点,本文提出一种基于非下采样轮廓波变换的前视声呐图像融合算法。依据图像多尺度分解的理论,对源图像进行非下采样轮廓波变换,得到一系列多尺度子带分解系数;根据图像中清晰目标反射声波能量大、对比度高特点,构建前视声呐图像融合规则,即低频子带采用Gabor能量、高频子带计算局部对比度指导融合规则,提出区域一致性校验准则抑制图像噪声,产生融合图像多尺度子带分解系数,并应用非下采样轮廓波逆变换获得融合图像。声呐图像融合对比实验证明,采用提出方法生成的融合图像在主观视觉和客观指标上均优于其他融合方法。     

基于NSCT域平均梯度能量驱动红外与可见光图像融合算法

针对红外与可见光图像融合造成的成像边缘存在模糊区域问题，提出一种基于非下采样轮廓波变换(Nonsubsampled Contourlet, NSCT)域平均梯度能量驱动的红外图像(IFR)与可见光图像(VBI)融合算法，首先对IFR和VBI分别进行NSCT变换，得到低频、中频、高频子带系数，低频融合采用平均梯度能量(Average Gradient Energy, AVGE)取最大的方法进行融合，中频融合采用空间频率(Spatial Frequency, STF)取最大值进行融合，高频提出了一种平均梯度能量驱动脉冲耦合神经网络(Average Gradient Energy Pulse Coupled Neural Network, AVGE-PCNN)的融合方法进行融合，采用逆非下采样轮廓波变换(Inverse Nonsubsampled Contourlet Transform, INSCT)得到最终融合图像，实验采用三组不同场景的IFR和VSI图像进行融合处理。通过对比实验证明，提出的融合方法在改善图像边缘模糊方面效果良好，主观评估和客观评价均优于DWT、DTCWT、NSCT算法...     

基于视觉特性的红外与可见光图像融合

给出一种基于人类视觉特性的红外可见光图像融合算法,以增强融合图像的场景信息和目标指示特性。采用无下采样Contourlet变换对两幅源图像进行多尺度分解;在低频分量部分,调整可见光图像的全局亮度,以基于局部能量的方法提取并增强红外目标,以局部方差取大方法获得景物轮廓,余则采用可见光图像像素值;在高频分量部分,采用脉冲耦合神经网络选取高频分量;通过无下采样Contourlet变换的逆变换得到融合图像。改进算法可保留可见光图像的清晰度,红外目标突出,景物比在单一可见光图像中更易辨别。     

基于复合分解与直觉模糊集的红外与可见光图像融合方法

针对传统的基于多尺度变换的红外与可见光图像融合算法的不足,提出一种基于复合分解与直觉模糊集的红外与可见光图像融合方法。采用NSCT将源图像分解为低频子带和高频子带,进一步采用潜在低秩表示模型将低频子带分解为低频基础子带和低频显著子带;针对低频基础子带、低频显著子带和高频子带的特征,采用不同的融合规则,其中,低频基础子带以视觉显著度为权重系数采用加权求和作为融合规则,低频显著子带以绝对值最大为融合规则,高频子带以直觉模糊熵最大选择为融合规则;通过NSCT逆变换得到红外与可见光融合图像。通过对比多组融合图像主、客观评价结果表明,该方法能有效保留边缘信息,保留较多的源图像信息,在视觉质量和客观评价方法优于其他图像融合方法。     

非下采样Contourlet变换耦合区域特性的多聚焦图像融合算法

为提高图像融合质量,较好地保留原始图像的光谱特性,避免融合图像光谱退化,提出非下采样Contourlet变换耦合区域特性多聚焦图像融合算法。采用非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)对图像进行多尺度精细分解,获取图像多层次分解子带;利用分割块区域能量函数,构造区域能量度量模型,获取区域能量相似系数,判定低频子带对应的加权系数,完成图像低频子带的融合。根据分割高频子带时形成的行列特征,形成区域锐度模型,获取高频子带分割块中的区域锐度值,利用该锐度值建立分割块判定函数,完成高频子带的融合。最后,采用非下采样Contourlet变换的逆变换得到融合图像。结果表明,与已有图像融合算法相比,本文图像融合算法融合质量更好。     

基于自适应NSST—PCNN的红外与可见光图像融合方法研究

传统的红外与可见光图像融合方法存在着对比度不高、背景细节信息保留不理想的问题,为解决此类问题,提出了一种非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)结合自适应脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的方法.利用NSST将源图像多尺度地分解成低频子带和高频子带;针对图像低频子带融合,采用自适应模糊逻辑加权平均融合规则;对于图像高频子带融合,采用自适应PCNN的算法;最后,通过NSST逆变换得到融合后图像.实验结果表明,相比于传统图像融合方法,本方法在信息熵、空间频率、平均梯度、互信息和交叉熵等多个客观评价指标上至少分别提高了1.54％、4.52％、3.52％、9.14％、0.12％,提高了融合图像的对比度,保留了背景细节信息,取得更好的融合效果.     

非下采样剪切波变换域下遥感图像融合

多光谱图像与全色图像的融合已被广泛应用于提高后续图像处理效果以满足图像进一步应用的需要,本文提出了一种在非下采样剪切波变换域中基于区域清晰度加权和导向滤波相结合的遥感图像融合方法.利用剪切波变换将多光谱图像的亮度分量与全色图像分别分解为低频子带和高频子带;针对高低频子带的特点分别设计高低频子带融合规则;对融合系数取剪切...     

基于视觉显著图的图像融合方法

基于图像的不同视觉特征,构造各源图像的视觉显著图,提出一种基于视觉显著图的多尺度图像融合算法低频子带融合规则,构建了一种新的多尺度图像融合方法。结合àtrous小波和非下采样轮廓波变换(Non subsampled contourlet transform,NSCT),对多传感器图像和多聚焦图像的融合实验表明,应用本文方法所得的融合图像,无论是视觉效果还是客观评价得分均优于基于平均法或神经网络选择低频系数的融合方法。     

一种基于深度神经网络模型的多聚焦图像融合方法

基于多聚焦图像融合中存在的低频信息易产生缺失的现象进行分析,提出一种基于深度神经网络模型的低频子带融合策略,并结合小波核滤波器及针对高频子带的融合策略,给出多聚焦图像融合方法。该方法利用自动编码器提取低频子带特征,利用网络隐层中的权值信息选择低频子带分量。采用3组聚焦不同的自然图像及1组医学图像进行算法测试,并与传统的低频子带融合策略进行对比,同时比较基于轮廓波变换的多聚焦图像融合方法、基于非下采样轮廓波变换的多聚焦图像融合方法。试验结果表明:其中一组图像采用深度神经网络模型的策略所得到的融合结果的边缘融合指标值能够达到0.802 7,优于其余比较方法的0.761 4、0.722 7和0.716 4,从而证实基于深度神经网络模型的融合策略的有效性。     

基于人眼视觉特性的遥感图像融合算法

首先提出基于非下采样Contourlet变换(NSCT,Nonsubsampled Contourlet Transform)的人眼视觉相对对比度灵敏度函数(RCSF,relative contrast sensitivity function)和绝对对比度灵敏度函数(ACSF,absolute contrast sensitivity function)。然后提出了基于人眼视觉对比度灵敏度函数(CSF,contrast sensitivityfunction)的遥感图像融合算法(IFA-CSF,image fusion algorithmof human visual contrast sensitivity function)。IFA-CSF采用NSCT作为多尺度变换工具,对单方向高频子带采用ACSF融合,对多方向高频子带采用RCSF融合,并对8方向高频子带采用先方向分组再融合的方法。实验结果表明,IFA-CSF优于基于传统CSF和基于局部能量的图像融合算法。     

基于经验小波的太阳能电池缺陷图像融合

为解决太阳能电池的弱缺陷检测问题,提出一种基于二维张量经验小波的多光谱图像融合算法。使用一组特定波长的光源采集太阳能电池片图像信息,对图像进行顶帽变换抑制背景噪声;使用经验小波变换对预处理图像进行分解,分别对获得的高低频子带图像采用基于极大值的显著性融合规则进行融合,将融合后的高低频子带图像进行小波反变换获得最终的融合图像。在相同的采集条件下获取五类色差电池片图像,进行算法测试试验,并从图像视觉效果和客观评价指标两方面与其他算法分析比较。试验结果表明,此算法不仅具有良好的适应性,而且在保持光谱信息和抑制噪声等方面均取得良好的效果。     

一种邻域一致性的NSCT域多传感器图像融合算法

针对同一场景多传感器图像融合问题,提出了一种基于邻域特性的非采样Contourlet变换域融合新算法．首先对待融合图像进行非采样Contourlet变换分解,由邻域平均能量与方差构造各点的能量方差决策值,基于决策值最大原则选择低频子带系数,从而在保持图像亮度的同时融合更多的边缘细节;基于邻域能量最大原则选择带通方向子带系数,以保留更多的边缘．最后反变换得到融合图像．采用多聚焦图像及红外与可见光图像进行仿真实验,并对融合结果进行了主客观评价．实验结果表明,该算法较好地融合了亮度及边缘细节,避免了引入人为噪声,得到了具有更好的视觉效果和量化指标的融合图像．     

基于区域能量的NSST域偏振图像融合算法

针对传统的偏振图像融合方法存在图像细节丢失、边缘模糊、对比度下降等不足,提出了一种基于区域能量的非下采样剪切波变换域(NSST)偏振图像融合方法。首先,利用NSST对源图像进行分解,获取源图像的低频子带系数和高频子带系数;然后,对分解得到的低频系数基于区域能量加权融合,对高频系数先基于区域能量取大融合,再应用引导滤波进行细节增强;最后,通过NSST逆变换得到融合图像。实验结果表明,融合后的偏振图像能够较好地保留细节信息,同时使边缘更加清晰,图像标准差、平均梯度、信息熵、对比度、空间频率相对传统方法均有不同程度的提高,具有更好的视觉效果。     

NSCT域内基于自适应PCNN的红外与可见光图像融合方法

提出一种在图像的非下采样Contourlet变换(NSCT)域内基于脉冲耦合神经网络(PCNN)的融合方法。首先采用NSCT对严格配准的待融合图像进行多分辨率多方向分解, 得到低频子带和高频方向子带;然后使用各子带系数的空间频率作为PCNN对应神经元的自适应连接强度系数,使用改进的拉普拉斯能量和作为PCNN每个神经元的外部激励,经过PCNN点火过程获得各子带对应的点火映射图,并通过判决选择算子确定融合图像的各子带系数;最后采用NSCT逆变换对低频子带系数和高频方向子带系数进行重构,得到融合图像。使用红外与可见光图像进行仿真实验的结果表明,本文方法优于基于小波变换、NSCT及传统NSCT与PCNN结合的图像融合方法。       

非下采样剪切波的红外偏振图像融合

针对传统红外目标探测技术中的探测率较低,无法分辨红外伪装的军事目标等缺点,提出区域显著性的非下采样Shearlets变换(NSST)方法融合图像,运用NSST能够将图像精细的分解在频率域,在频率域根据图像显著性分布权重确定融合规则,经过NSST反变换得到融合后图像.结合中波与长波红外实拍实验,比较该方法与其他常用融合方法,结果表明,区域显著性的NSST融合图像噪声信息少、对比度、信息熵及互信息值均较高,方法适合偏振图像的融合,有利于目标的识别与探测.     

一种新的NSCT超分辨率图像复原技术

考虑到非下采样Contourlet变换具有多尺度性和多方向性,提出了一种基于非下采样Contourlet变换的图像复原算法.首先对给出的序列低分辨率图像进行图像配准,对配准图像进行非下采样Contourlet变换,分解成低频及高频部分,对低频和高频分别采取不同的融合策略进行融合,再对融合后的高频和低频进行非下采样Contourlet变换逆变换得到融合图像.对融合后的图像再进行非下采样Contourlet变换,分别对高频细节和低频进行插值,再经非下采样Contourlet逆变换复原成高分辨率的图像.实验表明,该算法在主观效果和客观评价上均优于传统复原算法,是一种可行的图像复原新算法.     

基于小波变换的多聚焦图像自适应融合

图像融合是对来自同一场景的不同源图像的信息进行互补和合成,从而获得更为准确、更为全面、更为可靠的图像。采用了一种基于小波变换的自适应图像融合方法,首先将配准好的图像进行小波分解,并提取出细节分量和近似分量。其次,针对不同的频率域选择不同的融合规则,对低频系数选取区域均匀度和变化率相结合的融合规则,对高频系数选用区域方向对比度和区域匹配度相结合的自适应融合规则。最后通过小波逆变换得到融合图像。将其它融合算法和文中所提算法进行主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法。     

一种基于小波包变换的SAR图像与TM图像融合方法

为了增强来自不同传感器的图像信息，改善图像的可分析和提取能力，近年来，常采用小波变换融合方法。但小波变换只对低频信息进行多分辨分析，并不考虑高频信息的多级分解。小波包变换不仅能对图像的低频部分，而且对小波变换没有细分的高频部分也能进一步地分解。因此，小波包分析能够为图像融合提供一种比小波多分辨分析更加精细的分析方法。在研究了小波包分析法后，提出了一种小波包图像融合方法。利用此融合算法对同一场景的不同传感器荻得的合成孔径雷达（SAR）图像和专题绘图仪（TM）图像进行融合，通过客观分析与目视评价，证明该融合方法的融合结果更好。