一种新的基于压缩感知的多焦点图象融合方法

提出一种基于压缩感知和脉冲耦合神经网络的图像融合算法,包括三部分:图像傅里叶变换稀疏表示、测量融合和图像重构。首先,将双通道脉冲耦合神经网络(Dual-PCNN)模型应用到整个算法当中;其次,针对新的融合框架及傅里叶变换的系数特点,提出双星型采样下基于测量值标准差的加权融合方法;最后,通过最小全变分算法重构图像。实验仿真结果证明该方法优于其他基于傅立叶变换的方法。     

基于压缩感知的红外与可见光图像融合算法

压缩感知是一种新的信号采样理论,突破了传统的Nyquist采样率须为信号最高频率的2倍以上的定理。对于稀疏信号,它能够以远低于Nyquist采样速率对信号进行采样,并通过重构算法恢复出原信号。提出了一种基于压缩感知的红外与可见光图像融合算法,对图像进行测量,并通过融合算法对测量值进行融合。仿真实验显示,压缩感知能较好地实现图像的融合。     

基于DWT的高频系数压缩感知图像融合

传统的基于DWT的压缩感知图像融合方法针对的是整个稀疏系数,由于小波系数的低频部分为非稀疏的,导致其压缩重构质量差。针对该问题,提出了一种基于DWT高频系数压缩测量的融合方法,该压缩模式可以提高重构信号的质量,进而提高融合图像的效果。首先,对图像作小波稀疏变换,得到低频和高频系数,并对高频系数压缩测量得到测量值;然后,在小波域和压缩域分别进行融合,并对融合后的测量值进行重构得到融合后的高频系数;最后,经小波逆变换得到融合后的图像。实验结果表明,本压缩感知模式较传统的压缩感知模式在减少压缩数据量的同时提高了图像的融合效果。     

利用基追踪算法实现图像压缩感知重建研究

压缩感知理论突破了奈奎斯特采样频率的限制,利用该理论研究和实现了二维图像的压缩采样和重建。该方案利用小波变换实现图像稀疏化,利用标准伪随机数均匀分布和二维中心傅里叶变换生成随机测量矩阵,并对小波变换后的高频子带进行加权采样,用改进的基追踪算法实现二维图像压缩感知重建。仿真实验结果表明,该方案重建图像的客观评价PSNR效果较好。     

基于DWT-IRLS的压缩感知图像融合

基于压缩感知的图像融合属于像素级层次的图像融合。传统的DWT压缩感知图像融合研究对象是整个稀疏系数,但小波系数中低频系数并非稀疏,因此影响融合质量。针对此,提出一种基于DWT-IRLS的压缩感知图像融合。首先对图像进行DWT转换,针对高频系数采样测量;然后对高频系数和低频系数进行融合,并且引入迭代权重最小二乘法(IRLS)算法,重构高频系数;最后经DWT逆转换,得到融合图像。实验证明:通过4个客观评价指标和主观评价对比,2组实验融合效果均得到提高。此方法在一定程度上可提高图像融合效果,具有一定的实用价值。     

基于NSST和CS的红外与可见光图像融合

针对红外与可见光图像需要实时融合的特点,提出一种降低算法复杂度的基于非降采样剪切波变换(Non-subsampled Shearlet Transform)和压缩感知域的红外与可见光图像融合算法。利用NSST算法对红外图像和可见光图像分别进行多尺度、多方向稀疏分解,分别得到低频系数和各带通方向子带系数。对低频子带系数采用基于目标特征的加权平均融合规则;压缩感知理论的测量矩阵采用哈达马阶快速沃尔什矩阵,对细节信息保留较多的各带通子带系数进行观测测量,得到更稀疏的各带通子带系数测量值,对此测量值采用基于区域方差选大的融合规则得到融合测量值,运用基于增广的拉格朗日乘子和交叠方向恢复算法对融合测量值进行重构得到近似精确的各带通子带融合系数,最后对低频子带融合系数和各带通方向子带融合系数执行NSST逆变换得到最终的融合图像。实验结果表明,该融合方法不仅可以保证融合清晰度,同时还可以缩短算法的运行时间。     

基于NSCT与DWT的压缩感知图像融合

针对基于非下采样轮廓波变换(NSCT)的压缩感知图像融合算法,存在融合图像局部细节信息表达不足的问题,提出一种基于NSCT与离散小波变换(DWT)的压缩感知图像融合算法。首先,对图像进行NSCT变换,得到低频系数和高频系数;然后,对高频系数进行压缩融合,并通过重构算法恢复融合的高频系数;而对低频系数,采取基于小波变换的融合方法;最后,对融合的高频系数和低频系数进行NSCT逆变换,得到最终的融合图像。实验结果表明:本文算法使融合图像的质量,在主观和客观方面都得到了明显改善,最终的融合图像具有更多的细节特征和更清晰的边缘轮廓。     

应用于电能质量的压缩感知稀疏基的研究

为了解决基于傅里叶变换基的压缩感知对电能质量干扰信号压缩采样丢失时变信息的问题,本文进行了基于小波变换基的压缩感知电能质量研究。首次提出采用不同小波基的小波变换基作为稀疏基,来提高压缩感知对电能质量干扰信号的重构效果,为电能质量研究提供了一种新的研究方向;并通过实验仿真对比了基于傅里叶变换基和基于小波变换基的压缩感知重构效果。在压缩感知重构算法分别采用正交匹配追踪算法和压缩采样匹配追踪算法下,仿真结果表明,压缩感知应用于电能质量时,基于小波变换基的压缩感知重构效果优于基于傅里叶变换基的压缩感知重构效果;当压缩采样比是20％,稀疏基采用db3小波变换基时,均方误差均低于0．1％,良好地完成了原始电能质量干扰信号的重构。     

基于多分辨率变换和压缩感知的肺癌PET/CT图像融合方法

针对移动医疗背景下医学图像融合信息交互的局限性问题,提出一种基于多分辨率变换NSCT和压缩感知理论的肺癌PET/CT图像融合算法.第一步,对源图像进行单层NSCT分解;第二步,通过分析PET和CT不同的成像机制和显像信息,对分解后具有较差稀疏性且主要集中源图像大部分能量的低频子带,采取高斯隶属度函数加权的融合规则,对主要呈现源图像细节信息的高频子带使用高斯随机矩阵进行压缩测量,选择基于平均梯度和区域能量的方法法对高频测量值进行融合;第三步,采取正交匹配追踪算法重构融合后的高频测量值;第四步,对低频融合图像和重构后的高频融合图像进行NSCT逆变换得到最终的融合图像;最后,对该算法进行了两方面的仿真实验:与其他压缩感知图像融合方法的比较以及与其他多分辨率图像融合方法的比较,实验结果表明,该算法是有效可行的.     

基于压缩传感的相移同轴傅里叶变换数字全息

对于同轴傅里叶数字全息,传统重构算法应用快速傅里叶逆变换算法进行重构,但采样过程需要满足香农采样定理,导致海量采样数据,大大增加了存储和传输的代价。提出了一种基于压缩传感的相移同轴傅里叶数字全息重构方法,利用马赫-曾德尔干涉光路采集同轴全息图,对采集数据进行部分采样、测量;然后利用最小全变分法对采集的数据进行数值再现。数值仿真结果表明,基于压缩传感的傅里叶全息重构算法优于基于快速傅里叶逆变换的传统算法,它将全息数据的采集和压缩合为一步进行,不仅采样数据明显少于传统采样数据,而且利用约8%的数据仍然能精确地重构出原图像。     

自适应标准差特征的压缩感知图像融合

针对传统压缩域融合算法单一、融合效果不佳的问题,文中提出了结合图像高频特征的自适应融合规则。首先,对融合图像进行 NSCT变换,分解后得到的低频子带系数采用区域能量融合规则,以获取较传统低频系数处理更好的融合效果; 由于分解后的高频子带系数具有较高稀疏性,因此通过 CS 进行压缩后自适应选择融合规则,最后对重构系数进行 NSCT逆变换。实验结果表明：与传统经典算法相比,新方法兼顾了待融合图像的背景信息和红外目标信息,有效提高了图像的融合效果。     

基于压缩感知的信号重构研究

按照Nyquist采样定理,信号的采样率必须为信号最高频率的2倍以上,这会产生大量的冗余数据。压缩感知是一种新兴的采样理论,对于可以稀疏表示的信号,它能够以远低于Nyquist采样速率对信号进行采样,并通过优化算法实现重构。介绍了压缩感知的基本理论,并分别选取时域稀疏、频域稀疏和图像信号进行了仿真分析,实验结果显示,压缩感知理论能较好的重构原始信号。     

基于小波变换的中波红外偏振图像融合

针对中波红外偏振图像的特征,给出了一种基于小波变换的融合新方法。根据中波红外偏振图像高低频图像特点选择不同的融合规则,针对低频图像采用偏振融合的方法来抑制背景信息,针对高频图像采用超分辨率重建算法来提升细节信息。实验结果显示,证融合后的红外图像比原始图像更加清晰,相较于仅偏振处理图像获得了更高的分辨率,相较于传统小波融合算法增加了偏振方面细节。     

基于改进PCNN的压缩感知域图像融合

() （）基金项目：。摘要：提出了一种压缩感知域基于改进PCNN的图像融合算法。根据压缩采样得到待融合图像的压缩观测值,建立改进PCNN模型,即利用压缩观测值的物理意义对PCNN中连接系数,加权矩阵和特征参数进行自适应设定。并将压缩观测值作为改进PCNN神经元输入获取点火映射图作为融合算子,对源图像观测值融合后进行重构得到融合图像。实验结果表明,该算法克服现有压缩感知图像融合算法细节丢失的缺陷,主客观评价优于现有压缩感知图像融合算法。     

基于多尺度变换的直觉模糊推理图像融合算法

提出了基于多尺度变换的直觉模糊推理医学图像融合方法,针对4种多尺度变换对图像融合的影响进行了分析。文中融合算法是利用4种多尺度变换对待融合图像进行分解,并对得到的低频分量和高频分量采用直觉模糊推理融合规则进行处理,最后将融合后的低频分量和高频分量经逆变换得到融合图像。实验结果表明本文算法优于传统的模糊推理图像融合算法,并且在变换域中,Contourlet变换下的融合结果要优于其它3种变换。     

结合向导滤波与复轮廓波变换的多聚焦图像融合算法

多聚焦融合在图像识别和分析中具有非常重要的地位。为了有效地保留源图像的细节,克服变换域算法由于空间不连续性产生的人造纹理和灰度不均衡。该文结合复轮廓波时频分离的优点和向导滤波的特点提出了一种基于向导滤波的复轮廓波域多聚焦图像融合算法。首先,对源图像进行复轮廓波分解,其次对分解的低频系数进行基于向导滤波的均值融合策略,然后对分解的高频系数进行基于向导滤波的改进拉普拉斯能量和模取大的融合策略,最后通过复轮廓波反变换得到融合后的图像。实验结果表明,该算法利用向导滤波显著的提升了变换域融合算法的空间连续性,不仅可以获得良好的视觉融合效果,而且其客观评价指标也得到了提升。      

抗仿射变换的扩频图像水印算法

稳健性是数字水印算法的重要性能指标之一.本文提出了一个抗仿射变换攻击的图像水印盲检测算法.该算法从影响水印稳健性的因素-嵌入策略、水印结构和水印检测的同步三个方面(特别是水印检测同步)来提高水印的稳健性.有意义的水印经过直接序列扩频调制后与一个训练序列一起嵌入于图像DWT域的低频子带.在图像DFT域的中频我们嵌入一个匹配模板.检测时,先检测匹配模板,得到图像所受几何攻击的参数并作几何校正,然后在DWT域根据训练序列作平移同步后检测水印信息.应用所提出的算法,我们把一个由44个字符构成的水印(264 bits)嵌入到一幅512×512×8的图像中,实验结果表明所提出算法在隐藏数据量、对抗常规信号处理和线性几何变换的稳健性方面大大优于已报道的算法.     

基于压缩感知的稀疏采样数据大转角ISAR 成像研究

针对方位向稀疏采样条件下,大带宽大转角逆合成孔径雷达(ISAR)高分辨成像时,一维距离像中目标散射点的距离徙动问题,提出了基于贝叶斯压缩感知的稀疏ISAR 成像方法。对于方位向稀疏采样数据,该方法在包络对齐和相位补偿后,通过傅里叶变换将数据变换到距离频率域,对每一距离单元数据,根据方位向稀疏采样的位置构造相应的Keystone基矩阵,利用贝叶斯压缩感知算法重建目标在各距离频域单元的多普勒域系数,最后,通过距离向逆傅里叶变换和方位向自聚焦完成ISAR 成像。计算机仿真验证了该方法的有效性。     

基于多目标粒子群优化的图像融合方法

在多传感器图像融合研究领域,基于频域的多尺度变换融合算法是研究的热点,文中提出一种基于多目标粒子群优化算法,对已有的基于Contourlet变换融合方法得到的融合结果图像集,在空域进行进一步处理的图像融合算法。实验结果表明,该算法具有较好的融合效果。