图像融合中的彩色图像颜色校正

提出一种适用于图像拼接的简单、高效的颜色校正方法。彩色图像拼接往往会因为时间、光线等因素造成拼接后的图像有色差。在图像拼接之前,采用该方法先对各图像进行颜色的校正,然后进行图像拼接。实验结果表明该方法针对图片间颜色差异有很好的效果。     

基于颜色校正和加权融合的水下图像增强

为解决水下图像由光照不均匀等原因引起的颜色偏差、对比度低、细节不清晰等问题,提出了一种基于颜色校正和加权融合的水下图像增强方法。首先,对补偿了红色通道的原始图像采用白平衡算法进行颜色校正,解决图像失真问题。并将颜色校正后的图像从RGB空间转换到Lab空间,然后采用对比度限制自适应直方图均衡比(CLAHE)算法处理的L亮度通道来增强图像的对比度和亮度。最后,将颜色校正后的图像和增强对比度后的图像进行加权融合增强图像细节的清晰度。实验结果证明,采用所提算法处理不同水下场景图像效果显著,4个图像质量评价指标信息熵、峰值信噪比(PSNR)、水下图像质量评价度量(UIQM)和水下彩色图像质量评级(UCIQE)值与其他算法相比均有明显提升。并且与原始图像相比,所提算法处理后的图像的信息熵至少提升了5.6%,UIQM值提高了1.48倍以上,UCIQE值提高了7.5%。     

基于多尺度曝光融合的医学CT图像增强方法

针对医学CT图像对比度和可见度较低导致不利于人眼观察及后期图像处理的问题,本文提出一种基于多尺度曝光融合框架的医学CT图像对比度增强算法,对医学CT图像实现增强。首先对原始图像进行拉普拉斯金字塔分解、重构,降低图像噪声对其的干扰,同时对图像细节增强。然后通过曝光合算法计算重构之后的图像的权重估计矩阵、曝光率以及图像的亮度转换函数,以此来对图像进行增强,使用该算法可以在图像对比度增强的同时,也提高了图像的可见度。实验表明,相比其他传统图像增强算法,该方法对图像的增强效果明显更优,对于医学CT图像的增强有着显著的增强效果。     

基于非下采样Shearlet变换与差异度量的遥感图像融合算法

为了解决当前基于加权平均机制的遥感图像融合算法忽略了图像像素间的差异性,易导致融合图像出现振铃及光谱失真等问题,设计了非下采样Shearlet变换耦合差异度量的遥感图像融合算法。引入亮度-色调-饱和度(IHS)变换,获取多光(multi-spectral,MS)图像中的亮度I成分;借助非下采样Shearlet变换,计算出I分量及全色(PAN)图像对应的低频及高频系数;再利用结构相似度(SSIM)函数,对低频系数的差异性实施度量,从而构建了差异度量法则,根据低频系数间的差异性采取不同的低频系数融合策略,实现低频系数的融合;考虑图像的平均梯度信息,构建高频系数融合机制,完成高频系数的融合。基于非下采样Shearlet逆变换,对融合的高频及低频系数实施处理,获取融合结果。实验结果显示,较已有的遥感图像融合方法而言,所提技术具备更高的融合效果,其输出结果含有更大的信息熵值和更低的光谱偏差度。     

基于显著性检测与权重映射的可见光与红外图像融合算法

为了解决当前可见光(VI)与红外(IR)图像融合中易出现信息丢失,以及存在伪影等问题,提出了一种显著性检测耦合权重映射结合的VI与IR图像融合算法。分别对VI和IR图像进行二尺度分解,得到基础层和细节层。为了提高VI和IR融合效果,定义了一种显著性特征检测方法,在每个源图像上应用均值滤波以减小像素与其相邻像素之间的强度变化,以完成平滑处理。再借助中值滤波来消除每个源图像中的噪声与伪影,较好地保留图像边缘。并通过取均值和中值滤波输出的差异来计算图像的显著性特征,以突出边缘和直线等显著性信息。然后,通过对显著性检测结果完成归一化处理,以构建权重映射,为细节层分配合适的权重。再将基础层和细节层采用不同的规则进行融合,其中,联合权重映射与细节层,得到最终的细节信息,并借助平均融合规则来完成基础层的融合。最后,利用最终基础层和细节层的线性组合来构造新图像。实验表明,与当前多尺度图像融合技术相比,所提算法仅采用两尺度分解,显著提高了融合效率,而且得到的融合图像具有更好融合质量,有效消除了伪影,在融合过程中的信息丢失量更少。     

基于显著性检测与权重映射的可见光与红外图像融合算法

为了解决当前可见光(VI)与红外(IR)图像融合中易出现信息丢失,以及存在伪影等问题,提出了一种显著性检测耦合权重映射结合的VI与IR图像融合算法。分别对VI和IR图像进行二尺度分解,得到基础层和细节层。为了提高VI和IR融合效果,定义了一种显著性特征检测方法,在每个源图像上应用均值滤波以减小像素与其相邻像素之间的强度变化,以完成平滑处理。再借助中值滤波来消除每个源图像中的噪声与伪影,较好地保留图像边缘。并通过取均值和中值滤波输出的差异来计算图像的显著性特征,以突出边缘和直线等显著性信息。然后,通过对显著性检测结果完成归一化处理,以构建权重映射,为细节层分配合适的权重。再将基础层和细节层采用不同的规则进行融合,其中,联合权重映射与细节层,得到最终的细节信息,并借助平均融合规则来完成基础层的融合。最后,利用最终基础层和细节层的线性组合来构造新图像。实验表明,与当前多尺度图像融合技术相比,所提算法仅采用两尺度分解,显著提高了融合效率,而且得到的融合图像具有更好融合质量,有效消除了伪影,在融合过程中的信息丢失量更少。     

基于多曝光场景的新型电力图像配准技术

基于现有的图像配准技术,对电力图像拍摄时间差异所造成的曝光度不同而产生的图像配准误差大和配准效率提升难的问题,提出了一种基于电力图像去除亮度差异影响的边缘特征配准技术。通过提取图像的边缘信息,以产生二值化的效果图像代替原始图像进行旋转矩阵的计算,完成原始图像空间一致性调整,实现多曝光场景的新型电力图像配准技术,并通过一系列电力图像试验数据进行了验证。试验结果表明,所提的新型电力图像配准技术在配准效率方面较改进前的基于互相关信息配准方法提升了50%,配准精度达到了亚像素级别,配准方法鲁棒性更高。     

基于NSCT的焦点度量优化和ISML多聚焦图像融合

针对成像设备的景深有限,采集图像部分失焦的问题,提出了一种有效的多聚焦图像融合算法,进一步提高图像的对比度和清晰度。首先用NSCT将源图像分解为近似子带和详细子带;然后采用焦点度量优化策略(FMO)和修正拉普拉斯变换(ISML)分别合并近似子带系数和详细子带系数;最后进行逆NSCT得到融合后的图像。利用灰度多聚焦图像数据集进行实验,并与常用的多聚焦图像融合算法对比分析得出,本算法在融合图像的视觉效果和7种常用的客观评价指标都具有更优越的性能。     

颜色度量因子耦合局部特征聚类的图像复制-粘贴篡改检测算法

针对当前较多图像复制-粘贴篡改检测算法主要依靠图像的灰度信息来检测图像特征,没有考虑图像的色彩特征,使其存在误检与漏检的不足,引入余弦调制高斯滤波(cosine modulated Gaussian,CMG),设计了基于颜色度量因子与局部特征聚类的图像复制-粘贴篡改检测算法。利用CMG来求取图像的尺度响应值,并通过极值计算来提取图像的候选特征点;再利用像素点的光谱反射模型来建立颜色度量因子,从候选特征点中确定图像的鲁棒特征点。构建特征点的邻域圆,并求取该圆域中的四元数指数矩(quaternion exponent moments,QEM),从而得到相应的特征向量;利用特征向量来计算特征点间的欧氏距离,完成图像的特征匹配。最后,利用匹配点对的R、G、B值,形成特征点的局部特征,实现图像特征的聚类,准确定位复制-粘贴伪造内容。仿真结果显示,较当前的复制-粘贴伪造检测方法而言,对于简单的复制-粘贴篡改和复杂组合篡改,所提方法都具备更高的检测精度与鲁棒性。     

W变换和NSCT相结合的多聚焦图像融合方法

图像的多尺度分解技术和融合规则是决定多聚焦图像融合效果的关键因素。k次W系是一类以k次多项式和k次分段多项式为基函数的新的混合正交函数系统,对应的W变换是一种具有正交性和精确重构性的有效多分辨分析工具。结合W变换的多尺度特点和非子采样方向滤波器组变换的多方向性,提出了一种新的基于W变换和非子采样方向滤波器组(NSDFB)的多尺度多方向变换。该变换利用W变换对图像进行多尺度分解,利用二维NSDFB对W分解的高频子带系数进行方向分解,得到不同尺度不同方向的子带图像。在此基础上,提出了一种新的多聚焦图像融合算法。该算法针对多聚焦图像高频系数的特点,改进了常用简化脉冲耦合神经网络算法,并将其用于高频系数的融合规则中。实验结果表明,提出的融合方法能够有效地选择源图像中的聚焦良好区域,抑制伪影信息,产生视觉效果更好的融合图像,且在标准差、信息熵、平均梯度和空间频率等客观评价指标上都优于传统的基于Contourlet变换、非下采样Contourlet变换、离散小波变换的融合方法。     

基于统计特征分类耦合自适应 Gamma校正的图像增强算法

为了避免图像在亮度增强时导致其颜色失真,且在局部易出现过增强等问题,设计了统计特征分类耦合自适应Gamma校正(adaptive Gamma correction,AGC)的图像增强算法,以更好提高图像细节与视觉效果。首先,将输入图像转换为HSV空间,使颜色与亮度分离,使其在增强亮度通道时不改变像素的原始颜色,有效降低颜色失真。然后,考虑不同图像的性质,利用统计信息将图像分类为高、低两种对比度,每种对比度又分为亮、暗两类。其次,基于传统的Gamma校正方法,通过对于不同类型的图像进行动态参数设置,形成一种AGC机制,从而为不同类型图像的构建了不同的增强函数,以完成不同类别图像的增强处理。实验数据表明,与当前流行的增强算法相比,所提算法具备更高的增强效果,呈现出更为自然的亮度与对比度,且保持了更多的颜色信息。     

基于颜色校正和改进二维伽马函数的水下图像增强*

针对由于光在水体中衰减、散射,造成捕捉的水下图像存在偏色、对比度低、清晰度差、光照不均等问题,提出一种基于颜色校正和改进二维伽马函数的水下图像增强方法.首先,用带颜色恢复的多尺度Retinex增强算法(MSRCR)校正偏色问题,获得一个输入图像;然后用改进的二维伽马函数降低光照不均匀对水下图像的影响,并用基于自适应Si...     

基于IHS变换与自适应区域特征的遥感图像融合算法

当前较多遥感图像融合算法主要通过独立像素点的像素特征来完成图像子带的融合,忽略了图像子带的区域相关性,导致融合图像存在不连续以及模糊效应等不足。因此,设计了IHS变换耦合自适应区域特征的遥感图像融合算法。引入IHS(intensity, hue, saturation)变换,对多光谱(MS)图像进行分解获取强度分量,将其与全色(PAN)图像进行融合。再通过非下采样Contourlet变换(NSCT)对PAN图像与强度分量进行子带分解,获取高、低频子带信息。并利用图像的区域能量以及区域空间特征,对低频子带融合模型的调节因子进行自适应整定,使得融合低频子带能够包含更多的空间信息。基于图像的区域方差特征来构建高频子带融合模型,使得融合高频子带能够包含更多的纹理信息。实验结果表明,与当前遥感图像融合算法相比,所提算法的融合图像具有更好地光谱特性以及空间特性。     

基于非下采样Shearlet变换耦合导向法则的多聚焦图像融合算法

为了克服当前较多图像融合算法主要是通过取大法来完成图像系数的融合,忽略了图像间的关联性,导致融合图像中含有间断及振铃现象等缺陷,设计了基于非下采样Shearlet变换耦合导向法则的多聚焦图像融合算法。首先,引入非下采样Shearlet变换(NSST),对多聚焦图像进行计算,求取图像的不同系数。再利用图像的区域能量、标准差以及空间频率特征,对图像的关联性进行度量,并将度量结果作为选择融合规则的导向信息,通过构造导向法则来完成低频系数融合。在高频系数融合时,利用图像的均值特征以及Laplacian能量特征,分别对图像的亮度以及边缘信息进行度量,以实现高频系数的融合。以电路板与仪表盘为样本数据进行测试,结果显示,与当下融合算法相比,本文算法具有更高的融合效果,其输出图像具有更大的通用图像质量指标与平均梯度值。