基于提升小波变换的图像融合新算法

给出了一种基于提升小波变换的图像融合方法,并对小波分解的不同频率域,分别采用不同的融合规则。选择低频系数时,是基于边缘的方法,选择高频系数时,把小波系数的方差与绝对值综合起来考虑来决定融合小波系数。实验结果表明,提出的方法融合效果要优于一般融合方法。     

基于提升小波变换的图像融合规则综述

对提升小波变换的基本原理进行了介绍,描述了基于提升小波变换的图像融合的主要步骤,对基于提升小波变换的图像融合规则进行了概括。     

基于非采样提升小波变换的图像融合算法

针对传统提升小波变换的图像融合算法缺乏平移不变性以及区域能量融合准则存在的不足,提出了一种基于改进提升小波变换的图像融合新算法.该算法在提升小波变换原理的基础上,通过取消其奇偶分裂来获得具有平移不变性的非采样提升小波变换.对图像经此变换得到的低频部分设计出一种新的基于区域空间频率的加权和选择相结合的融合方法,高频部分采用一种基于边缘信息的加权融合策略.为验证所提出融合方法的有效性,对多聚焦图像进行了融合实验.实验表明,与传统的图像融合算法相比,该算法能更好地描述灰度的突变信息,获得含有丰富细节特征的融合图像.     

基于二维提升小波变换的图像融合

将图像进行提升小波变换,分别对高低频采用不同的融合方法,得到融合后图像。并引入信息熵、相关系数和清晰度等性能指标对融合后的图像进行分析。实验结果表明,此提升方法在融合图像质量上优于传统小波变换。     

基于小波变换的SAR与可见光图像融合算法

提出了一种基于小波变换的SAR图像与可见光图像的融合算法。为抑制斑点噪声,对SAR图像作平滑滤波。图像经小波变换后,计算不同分解层高频图像对应区域的均值与标准差,采用区域统计特性量测的融合规则;低频图像直接采用SAR图像的小波低频系数作为融合后的低频系数,对得到的融合低、高频图像作小波反变换。     

基于小波变换的多聚焦图像融合算法

针对基于小波变换的多聚焦图像融合算法,改进融合规则和融合算子,低频分量采用以相关系数作为阈值的加权平均算法,高频分量采用基于区域特征的融合算法,并对最佳分解层数与最佳小波基的选取进行优化验证。通过对实验结果的分析,选用bior4.4小波,进行最佳分解层数小波分解,并应用改进的融合规则,在融合多聚焦图像的效果上,与其他多种融合算法相比,各项评价指标都比较理想。     

基于提升格式小波变换的医学图像融合技术

图像融和是对取自不同时间、不同传感器或不同视角的同一场景的两幅图像或者多幅图像进行信息融合的过程,主要用于消除来自不同传感器图像中目标的位置差异。在分析常见算法的基础上,提出了一种新医学图像融合算法,新算法以提升格式小波变换为基础,利用图像多级小波分解后近似分量的轮廓相似性进行图像的快速融合。实验结果表明,新方法高效精确。     

基于多小波变换的图像融合算法

本文提出了一种基于离散多小波变换的图像融合方法对多聚焦的图像数据进行融合。该方法针对不同分解层的不同频率特性区域,采用了不同融合规则与算子进行像素级的图像融合,实验结果表明这种方法不仅能够完好地显示源图像各自的信息,而且能很好地将源图像的细节融合在一起。     

基于小波变换的多聚焦图像融合

为了获得大场景的清晰图像,一般是将几幅聚焦于这一场景的不同目标点上的图像经过各种融合算法处理后获得。先对源图像进行小波变换,再计算其改进后的空间频率,然后采用改进后的空间频率作为参数来决定源图像数据的选取规则：低频部分采用基于改进后的空间频率的加权系数法,高频部分直接取基于改进后的空间频率的小波系数最大值。实验所选取的阈值为0．8。从实验结果可以看出采用的方法比文献[5]的方法更好地保留了源图像的边缘信息,同时也更大地提高了融合后图像所含的源图像信息量。     

基于HSV和红黑小波变换的多光谱图像融合

提出一种基于HSV和红黑小波变换的多光谱图像融合方法。对多光谱图像进行HSV变换,将得到的明度分量和全色图像做多尺度红黑不可分小波分解。采用不同的融合算子对高低频分量进行融合,对融合后的图像进行红黑重构和HSV逆变换得到融合结果,并采用客观性能指标对融合结果进行评价。实验结果表明,该方法对多光谱图像和高空间分辨率图像有较好的融合效果。     

基于改进的提升小波变换的图像融合算法

研究图像融合精度问题,由于光学传感器的光谱分辨率不同,在图像融合中易丢失信息,影响图像质量。传统的图像融合算法计算量大、实时性差的缺点,同时没有细致考虑低频分量融合规则以及高频分量邻域特征对融合的影响,因而得到的融合效果不理想。为了解决上述问题,提出了一种改进的提升小波变换图像融合新算法,算法引进了图像对称概念策略,仿真结果表明,改进的图像融合算法计算量明显减少,实时性也明显提高,与传统的标准小波变换图像融合算法以及拉普拉斯金字塔融合算法相比,较有效地提高了图像融合的精确度。     

Daubechies提升小波在图像去噪中的仿真研究

在介绍了一般小波理论和小波图像去噪的基础上,重点阐述了提升小波算法(lifting scheme)的基本原理,给出了用提升方法构造传统小波的普遍实现方法,按照提升小波的一般理论,对Daubechies(9/7)小波进行提升格式处理,并将Dau-bechies(9/7)提升格式小波应用到二维图像去噪研究中.计算机仿真试验结果表明,在去掉噪声后图像信号的信噪比相近的情况下,提升小波与传统小波相比,其优点在于计算简单,编程容易,速度快.     

JPEG2000标准下提升小波的设计与分析

该文在理论上对卷积和提升两种小波变换方法进行了比较,说明了JPEG2000标准中的具体应用;对9/7、5/3滤波器的卷积和提升算法在程序上予以实现,并比较了信噪比的优劣;此外在硬件实现上给出了设计方案。     

基于K-L变换的小波图像融合方法

在多源信息融合中,小波多分辨率分析是一种最常用的方法.这里提出在小波多分辨率分析下,利用K-L变换的融合方法.首先利用小波变换对序列图像进行多分辨率分解,对相应的小波系数矩阵进行K-L变换,计算出小波系数权重.按照所得的权重融合小波系数,最后将小波融合系数逆变换实现图像的融合处理.实验结果证实这种方法有效的利用了图像的相关性,主观视觉效果分析和客观统计参数评价分析都表明,新方法的性能优于直接对小波系数进行平均的融合方法.     

图像处理中小波提升方案和Mallat算法的比较

离散小波变换(DWT)的快速算法是近几年小波变换领域研究的热点。Swedlen提出一种不依赖于傅立叶变换的新的小波构造方案——提升方案(LIFTING SCHEME)，其计算速度是传统Mallat算法的两倍左右，因而成为计算离散小波变换的主流方法。提升方案为第一代小波变换提供了一种新的更快的实现方法，同时，大大降低了第一代小波的难度，并且已经证明提升方案可以实现所有的第一代小波变换。     

基于小波变换的图像融合算法研究

在小波变换的基础上提出了一种多光谱图像融合的算法,并与其它几种算法进行了比较,仿真结果表明该算法对图像的增强有较好的效果。
     

基于局部熵的小波变换图像融合算法

研究基于小波变换的图像融合算法。首先对待融合图像进行小波多尺度分解,得到小波的分解系数,对高频分量和低频分量系数采取不同的融合规则。低频部分系数融合采用简单加权平均法,高频部分系数融合采用基于邻域熵值的方法。对融合后系数进行逆小波变换得到重构图像,融合后图像清晰、对比度好。与最大绝对值法、领域方差法作比较。最后通过熵、标准差、平均梯度值等参数对融合后的图像进行定量分析。实验数据表明提出的方法是切实可行的。     

基于分块的小波多聚焦图像融合方法

提出了一种基于分块的小波多聚焦图像融合方法。并采用均方根误差对该方法进行了评价,实验结果表明,该疗法其钉非常好的融合效果。其融合性能优于对图像不作小波分解而直接进行分块融合的方法和仅作小波分解而不进行分块的融合方法。与已有融合疗法相比,能消除块痕迹,且能节约运算量。     

基于提升小波变换的医学图像融合方法

多模医学图像融合在医学图像分析和诊断上具有重要的应用价值。在对CT与MRI图像进行提升小波变换的基础上,结合低频子带系数存在区域相关性及高频子带系数的特点,提出了对于低频子带系数采用基于区域方差的融合规则,对于高频子带系数采用基于区域空间频率的融合规则,最后进行提升小波逆变换得到融合图像。实验结果表明,与传统方法相比,该方法可以有效提高医学图像融合的信息量,较好地保留了源图像的边缘及细节信息,具有良好的融合效果及量化指标。