基于NSCT和改进型PCNN的红外与可见光图像融合算法

针对现有红外与可见光图像融合算法中易出现目标信息丢失或减弱的情况,提出了一种基于非下采样Contourlet变换和改进型脉冲耦合神经网络的融合算法.该算法首先对经过预处理和图像配准后的红外和可见光图像进行非下采样Contourlet变换,分别得到两幅图像的高频系数和低频系数;其次,采用改进型脉冲耦合神经网络对源图像高频系数进行融合,用区域能量最大处理低频系数;最后,对融合后的系数进行非下采样Contourlet反变换,得到融合后的图像.实验结果表明,本文算法在主观视觉上显示了更多的图像细节信息,同时客观数据指标也有不同程度的提升.     

基于NSCT和边缘检测的图像融合算法研究

近年来,图像融合已经成为计算机视觉领域一向有价值的新技术,论述了NSCT变换理论,先将图像作非下采样拉普拉斯金字塔尺度分解,在各个尺度层对高频子带作非下采样方向分解,然后分别采用基于区域能量和边缘检测的融合规则得到融合图像的非下采样Contourlet低频和高频系数;最后再进行非下采样Contourlet逆变换得到融合图像。实验结果表明,该方法的融合图像多项指标都优于Contourlet变换、NSCT变换。     

基于非子采样Contourlet变换的图像融合算法

提出了一种基于非子采样Contourlet变换的图像融合算法.首先,对图像作Contourlet变换,得到一个低频子带和一系列高频方向子带.其次,对低频子带系数采用基于边缘的规则来融合,而对于高频方向子带系数,采用基于一种基于Contonrlet局部系数相关性的规则来进行融合.最后,对融合系数进行非子采样Contourlet逆变换,得到最终的融合图像.实验结果表明,该方法对可见光、红外图像融合十分有效,能较好地提取原始图像中的边缘方向信息和几何特征.     

基于信息量制约的遥感图像融合算法

为了改善遥感图像的融合质量,制定了信息量制约法则用于获取融合遥感图像。利用亮度－色调－饱和度(IHS)变换从多光谱(MS)图像中获取亮度(I)分量。基于非下采样剪切波变换(NSST),获取I分量与全色(PAN)图像完成分解,得到I分量与PAN图像的高低频系数。最后,利用低频系数的均值以及区域能量信息,建立信息量制约法则,分析不同低频系数对融合系数的影响程度,设计不同的融合方法对这些低频系数进行融合。采用改进的平均梯度度量模型完成高频系数融合。通过NSST逆变换对计算融合后的高低频系数,输出新的亮度分量,将其与原始的色调(H)、饱和度(S)分量组合,通过IHS逆变换,获取融合结果。实验数据显示,相对已有的融合算法,所提算法的融合图像所含的信息量更为丰富,且光谱扭曲度更小。     

Shearlet变换耦合细节强化因子的遥感图像融合算法

为克服当前较多遥感图像融合方法存在间断以及吉布斯现象,本文利用像素点间灰度以及梯度信息,设计了一种采用非下采样Shearlet变换(NSST)耦合细节强化因子的图像融合方法。将多光谱(MS)图像经过强度-色调-饱和度(IHS)变换,分离出强度成分。随后,借助 变换处理强度成分与全色(PAN)图像,获取对应的高频和低频系数。以强度成分对应的低频系数为依据,通过图像的空间频率特性计算加权系数,将PAN图像的低频系数植入到强度(I)成分对应的低频系数中,融合低频系数。采用像素点间灰度以及梯度信息,构造细节强化因子,融合高频系数。最后,采用IHS和NSST反变换重构这些融合系数,获取融合结果。实验结果显示：较当前融合技术,所提算法拥有更为理想的融合效果,具有更高的互信息值和更低的光谱偏差度值。     

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。     

基于Contourlet系数局部特征的选择性遥感图像融合算法

为了使融合后的多光谱图像在显著提高空间分辨率的同时,尽可能多地保持原始多光谱特性,提出了一种基于Contourlet变换系数局部特征的选择性遥感图像融合方法。根据多光谱和全色图像融合过程中Contourlet变换后的低频和高频部分融合目的的不同,对得到的近似和各层各方向的细节分量分别运用窗口邻域移动模板逐一计算相应区域Contourlet系数阵的不同局部特征量,然后选择适当的准则,对图像的近似和细节分量分别应用不同的策略在Contourlet系数域内进行选择性融合,通过Contourlet和亮度-色调-饱和度(IHS)逆变换得到融合的高分辨率多光谱图像。采用Landsat TM多光谱和SPOT全色图像进行的融合实验结果表明:提出的算法在显著提高空间分辨率的同时,又能很好地保持原始图像的光谱特征,并优于传统的融合方法。     

基于高斯比例混合模型的图像非下采样Contourlet域去噪

为改善图像的去噪效果,该文提出了一种基于高斯比例混合模型的图像非下采样Contourlet域去噪算法。该算法首先建立非下采样Contourlet系数邻域的高斯比例混合模型,然后在模型基础上应用贝叶斯最小二乘法对系数进行估计,最后反变换得到恢复图像。算法结合了非下采样Contourlet变换对图像边缘的高效表示能力、非下采样变换的移不变性质以及GSM模型对非下采样Contourlet系数邻域相关性的概括能力。实验结果表明,该算法在视觉效果和峰值信噪比的改善上都取得了非常好的效果。     

基于斑点方差估计的非下采样Contourlet域SAR图像去噪

 合成孔径雷达(SAR)图像固有的相干斑噪声严重影响图像质量,使得SAR图像的自动解译十分困难.本文联合SAR图像的统计特性和非下采样Contourlet对SAR图像细节信息的良好刻画能力,提出一种新的非下采样Contourlet域SAR图像去噪算法,通过估计到的各个高频方向子带的斑点噪声方差和变换系数模值的局部均值,对非下采样Contourlet变换系数进行判定,保留信号系数,抑制斑点噪声系数,实现SAR图像去噪.仿真实验结果表明,本文方法在斑点抑制的同时可以有效保持细节信息.     

一种基于非采样Contourlet变换的遥感图像融合算法

为使融合后的多光谱图像尽可能保持原多光谱图像光谱特性的同时提高空间质量,提出了一种基于非采样Contourlet变换（NSCT）和多尺度边缘检测的融合算法。介绍了非采样Contourlet变换和多尺度边缘检测;设计了基于多尺度边缘检测、直接替代的高频、低频子带融合规则;用QuickBird卫星高分辨率遥感图像进行仿真实验。实验结果表明该算法能够在保持光谱信息的同时注入更丰富的空间细节信息,优于传统的Wavelet变换法和Contourlet变换法。     

基于SGC变换耦合边缘特征加权的图像融合算法

当前图像融合主要通过图像特征取大的方法来融合图像系数,忽略了图像边缘特征的相关性,使融合结果中存在块现象和不连续现象等不足。为此,引入二代曲波(SGC)变换,设计边缘特征加权的图像融合算法。将输入图像通过SGC变换,分解出其低频和高频系数;采用区域能量模型,计算出图像所包含的能量特征,通过均值模型,计算出图像所包含的亮度特征。利用图像的能量和亮度特征,构造双特征低频系数融合函数,获取能量特征和亮度特征都较为理想的融合低频系数。利用Sobel算子对图像的边缘特征进行检测,利用检测结果构造边缘特征加权的高频系数融合准则,获取高频系数融合结果。最后,借助二代曲波逆变换处理融合系数,获取融合图像。实验测试结果显示,相对于当前融合技术,所提算法具有更好的融合效果,其融合图像具备更好的边缘连续性以及清晰度。     

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。      

Contourlet变换在可见光与红外图像融合中的应用

Contourle变换是一种新的图像多尺度,多方向的表示方法,适合表达具有丰富细节信息及方向信息的图像。它的高频方向子带,捕获了许多传感器图像的显著特征。为了实现红外与可见光图像的融合,采用一种基于Contourlet变换的融合算法,对不同的融合规则对低频子带和多方向的高频子带系数进行融合。对比实验结果表明,在此提出的方法可以获得较好的融合效果,优于基于小波变换的图像融合算法。     

基于非下采样Contourlet变换的图像融合算法

针对曲波变换图像融合的不足,提出了一种基于非下采样轮廓波变换（Non—subsampledContourletTransform,NSCT）图像融合方法。首先对已配准待融合图像进行NSCT分解;然后使用相应的融合规则对Contourlet域系数进行融合,得到融合图像的NSCT系数;最后经逆变换重构得到融合图像。通过对不同曝光度图像以及多聚焦图像进行融合实验,仿真结果表明该算法融合图像在主观视觉和客观评价指标上均取得良好效果。     

基于模糊逻辑与NSCT的彩色图像融合

针对灰度融合图像色彩单一,视觉效果不佳的问题,提出了一种基于NSCT变换与模糊逻辑的多聚焦彩色图像融合算法。首先对彩色图像进行IHS变换,然后对亮度分量I进行NSCT分解,采用高斯隶属度函数确定低频分量自适应加权系数,对高频系数采用"模值取大"的融合准则进行融合,再通过NSCT逆变换,得到融合后的亮度分量,并由此计算融合后的色度分量和饱和度分量,实现彩色图像的融合。实验结果表明,该方法得到的融合图像色彩鲜明、边缘细节清晰、更加符合人眼视觉。     

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。     

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%。     

基于Contourlet域HMT似然概率的图像融合方法

传统的基于Contourlet变换的图像融合方法大都 忽略了Contourlet系数之间 的相关性,导致特征信息的丢失。本文根据隐马尔可夫树(HMT)模型的两种状态和 3组概率确定能有效捕获尺度间、尺度内的Contourlet系数特性的似然概率,设计了图像融 合规则。实验结果表明,Contourlet域HMT模型应用于图像融合领域,能充分挖掘数据之间 的相关性,为融合图像提取更全面、准确的特征纹理信息。