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Shearlet变换的多聚焦图像融合方法

为提高多聚焦图像的融合效果,利用Shearlet变换具有多尺度多方向的特性,文中提出了一种基于Shearlet变换的图像融合算法。针对待融合图像进行Shearlet变换,得到低频子带系数和不同尺度不同方向的高频子带系数;对低频子带系数取分解系数区域能量高的系数,高频子带系数采用区域能量和区域清晰度以及区域方差相结合,采用多判别法得到融合系数,并最终进行Shearlet逆变换得到融合图像。结果表明,在主观视觉效果和客观评价指标上此算法优于其他融合算法     

基于小波变换的图像融合技术研究

提出了一种基于小波变换的图像融合算法.首先,将配准后的多源图像进行小波分解,从而得到各个源图像的低频系数和高频系数.其次,对分解后的小波系数矩阵采用区域特征进行融合处理,最后,通过小波逆变换得到融合图像.通过大量的实验以及与其他融合算法的比较分析,表明该方法的有效性和优越性.     

基于非下采样Shearlet变换与压缩感知的图像融合

针对非下采样剪切波变换(NSST)分解后图像的高频系数数据量较大且具有较大稀疏性的问题,本文提出一种基于NSST和压缩感知(CS)的图像融合算法。算法首先采用NSST对源图像进行分解;其次利用CS算法将NSST分解后的图像的高频系数进行压缩、融合及重构;然后利用"局部区域能量和局部区域方差"联合指导待融合图像的低频系数的融合;最后利用NSST逆变换重构融合图像。由于只需要对高频系数的压缩值进行融合,因此算法可以在不影响图像融合效果的同时加快代码的运行速度。仿真实验表明,该算法不需要原图像的先验知识就可以完成图像的融合,当图像的尺寸较大时,该算法牺牲了微小的融合图像质量,但却可以显著提高算法的运行速度,减小代码的时间代价,降低对硬件系统的要求。该算法对于融合系统的实时性要求提供了一种思路,具有较大的应用价值。     

基于CRF预分割和NSCT的多聚焦图像融合

针对基于多尺度分解的图像融合算法在提高图像模糊区域质量的同时却降低了清晰区域质量的问题,提出了一种结合CRF预分割与NSCT的多聚焦图像融合算法.该算法首先利用条件随机场概率模型对图像进行预分割,将图像预分割为清晰区域、模糊区域和两者的交界区域;然后对图像进行NSCT分解,低频子带系数采用加稀疏约束的非负矩阵分解算法融合,高频子带系数,在交界区域采用方向特征对比度的方法融合,在非交界区域选取清晰度高的系数融合.最后经NSCT逆变换得到最终的融合图像.该方法的融合效果在提高了图像清晰度的同时又有效保持了图像的边缘信息.     

基于Directionlets变换的偏振图像融合

论文提出一种有效的基于Directionlets变换的偏振图像融合算法.首先采用多方向多尺度的Directionlets 变换对多个偏振图像进行分解,对于分解后的低频系数采用加权平均融合算法;根据高频子图边缘分布差异,对于方向高频系数采用2维Teager能量的边缘检测算法以及区域方向对比度算法实现偏振图像的融合处理.实...     

基于Curvelet变换的自适应多传感器图像融合

提出了基于Curvelet变换的自适应多传感图像融合新算法。算法将全色图像和多光谱图像进行Curvelet变换分解后,针对不同的频率域特点选择不同的融合规则。对低频系数选取区域能量的加权系数自适应融合规则,对高频系数选用了区域特征自适应的融合规则。最后通过重构得到融合图像。将该算法和其他的融合算法进行对比,结果表明,该算法是一种有效可行的图像融合算法。     

结合NSST和LSWT的光学/被动毫米波图像融合

提出了一种结合NSST和ISWT的图像融合算法,并应用到安检中.该方法首先采用NSST对被动毫米波图和可见光图进行分解得到一组高低频系数;接着对分解后得到的低频系数进行LSWT变换,得到新的一组高低频系数,分别对其采用基于区域方差融合规则和CS算法进行压缩、融合、重构后进行LSWT逆变换;再对第一步的高频系数采用改进的拉普拉斯算子进行处理;最后NSST逆变换处理得到融合图像.实验仿真结果表明,所提出的方法融合效果较好,实现了对隐匿物品的快速识别.     

基于非抽样Contourlet变换的红外图像和可见光图像融合算法

分析了非抽样Contourlet交换(nonsubsampled contourlet transform,NSCT)的原理和优点,针对红外图像和可见光图像的特征,提出了一种新的基于NSCT图像融合算法,应用NSCT对图像进行多尺度、多方向分解,低频子带采取区域能量加权法融合,带通子带采取区域方差加权法融合,最后将融合的系数进行NSCT逆变换得到融合图像.实验表明,与其它融合算法比较,该算法融合图像效果较好.     

一种基于目标区域的图像融合新方法

提出了一种基于目标区域的融合方法.将原图像分为目标区域和背景区域,在利用àtrous小波算法分解图像的基础上,分别对目标区域、背景区域以及两区域间的边界部分进行不同的融合处理得到融合后小波系数,最后经过小波逆变换得到融合图像.实验结果表明该方法可获得较理想的融合图像,其融合结果优于基于像素和基于窗口的融合方法.     

一种新的NSCT图像融合算法研究

针对传统NSCT图像融合算法考虑方向的信息完成的缺点,文章提出了新的NSCT 图像融合算法。该算法是基于方向区域的,通过对源图像的分解可以得到各个方向的高低频子带,根据不同分解层的方向的特性对高低频系数按方向区域能量融合,再经过反变换得到最终的融合图像。此算法在体现出各源图像细节特征的同时还很好的保留了边缘等很多有用的信息。测试结果表明,此算法和传统的NSCT图像融合算法相比,融合效果更好。     

基于NSST和改进PCNN的医学图像融合

为了解决单一模态医学图像的局限性,提出了一种 基于非下采样剪切波变换(NSST)和改进型脉冲耦合神经网络(PCNN)相结合的多模态医学图 像融合方法。首先,利用NSST对源图像进行多尺度、多方向分解,得到 低频子带系数和高频子带系数;其 次,低频子带系数由区域能量和方差求取区域特征,采用基于区域特征加权的方式进行融合 ;高频内层子 带系数先通过PCNN求出区域点火特性,再与平均梯度加权的方式进行选择,高频外层子 带系数采用区 域绝对值取大的融合规则;最后,通过逆NSST重构图像。实验结果表明:与常用融合 规则对比,在 主观效果上,本文的融合图像可以保留源图像的边缘信息,得到更好的视觉效果;在客观指 标上,本文方法 融合得到的图像在互信息(MI)、边缘评价因子(QAB/F)和 结构相似度(SSIM)等客观评价指标上取得更好的效果。     

基于方向性对比度金字塔的图像融合方法

基于对比度塔形分解(CP)的图像融合方法具有良好的物理意义,却没有强调方向性的不足,为此提出了一种具有方向性的对比度金字塔图像融合方法.对多聚焦图像进行对比度塔形分解,利用方向滤波器组对高频加方向,得到不同方向的高频子分量.根据不同频率域特点,采用低频分量系数取加权平均、高频分量系数绝对值取大的融合规则,对分解后的子图像进行融合.结果表明:用提出方法得到的融合图像有较高的清晰度和空间分辨率.与基于CP和基于离散小波变换(DWT)的融合方法相比,提出的方法既能保持对比度的含义,又可提供2n个方向信息.     

基于对偶树复小波域HMT模型的遥感图像融合

针对遥感图像融合领域的实际应用,提出一种基于对偶树复小波变换与隐马尔可夫树模型结合的图像融合新方法。该算法将分别具有高光谱和高空间分辨率优势的两幅图像进行复小波变换,再对分解后不同频率域的系数选择不同的融合规则处理。采用低频系数加权平均;高频系数先建模,再基于区域能量规则处理的方法,最后完成逆变换得到重构图像。将该算法与其他几种图像融合方法进行比较,实验表明,该算法能够取得较为理想的效果。     

非抽样双树复小波域的BPP-NMF图像融合

提出了一种非抽样双树复小波变换（UDT-CWT）与基于块主元旋转的非负矩阵分解（BPP-NMF）相结合的多聚焦图像融合算法。利用UDT-CWT具有完美的平移不变性及良好的方向选择性,首先对图像进行多尺度、多方向分解并得到低频子带和高频子带系数;然后对低频子带系数采用块主元旋转的非负矩阵分解的融合策略,高频系数则选用高斯加权区域能量与区域标准差一致性选择的融合准则。最后对融合后的系数进行UDT-CWT逆变换得到重构图像。选用多组多聚焦图像进行融合并对融合结果进行主观视觉、客观方面的评价。试验结果表明,该融合算法不仅具有良好的视觉效果,同时在客观评价指标也优于一般的融合策略,验证了该算法的有效性。     

基于NSCT的红外偏振与光强图像的融合研究

针对融合规则的选择,提出了一种基于非采样Contourlet变换的红外偏振与光强的融合方法。该算法采用NSCT对源图像进行多尺度、多方向分解,然后对低频子带系数和高频子带系数分别采用局部能量和区域目标特征的选择,最终通过逆变换得到融合图像。实验结果表明：与加权融合和绝对值取大的融合规则相比,局部标准偏差、局部粗糙度、对比度、分别提高3.42%、12.7%、9.67%。     

Image fusion based on shearlet transform and regional features

In this paper, a new image fusion method is proposed based on the shearlet transform. In this method, to make the best use of the regional characteristics of the low frequency coefficients, the low frequency sub-band coefficients from different images are fused according to a rule based on regional energy. As for the high frequency sub-band coefficients, they are fused according to a novel rule upon comprehensive consideration of multiple regional features, such as regional variance, regional average gradient, regional spatial frequency. Experimental results show that the proposed algorithm for image fusion outperforms traditional ones.     

基于Shearlet与改进PCNN的图像融合

提出了一种基于离散剪切波(shearlet)和改进的脉冲耦合神经网络(PCNN)进行图像融合的方法。首先,采用shearlet变换将已配准的两个源图像进行分解,得到低频子带系数和不同尺度不同方向的高频子带系数,低频部分采用简单的加权平均法;高频部分,提出基于改进的拉普拉斯能量作为PCNN链接强度的算法。最后,进行shearlet反变换得到融合图像。仿真结果表明,本文的算法有更好的融合效果,并且所用时间也比非采样轮廓波(NSCT)少。