基于Curvelet变换的多聚焦图像融合方法

由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像.多聚焦图像融合技术可有效地解决这一问题.在分析了传统多聚焦图像融合方法和Curvelet变换的原理后,提出了一种基于Curvelet变换的多聚焦图像融合方法,先对不同聚焦图像分别进行Curvelet变换,采用低频系数取平均,高频系数取大的融合规则,再进行Curvelet反变换得到融合结果.仿真试验表明,基于Curvelet变换的融合方法可有效综合多聚焦图像,相比小波变换法,获得了更好的融合效果.     

基于二代Curvelet变换耦合二维因子的图像融合算法

目的 为了解决当前图像融合算法在融合过程中忽略了低频系数中所包含的图像细节信息,导致其输出的融合图像存在间断以及模糊效应的不足,方法 提出基于二代Curvelet变换耦合二维因子的图像融合算法。首先,利用具有多尺度以及多方向特性的二代Curvelet变换对源图像进行快速的分解,以获取源图像精细的低频以及高频系数。引入低频系数的信息熵以及区域方差特征来构造二维因子,对低频系数所包含的信息量以及图像的变化程度进行度量,以完成低频系数的融合。随后,利用高频系数的平均梯度特征,构造信息融合规则,完成高频系数的融合,提高融合图像的细节信息含有量。最后,利用像素点的R,G,B值,构造颜色校正因子,对融合图像进行颜色修正,以获取色彩效果较好的融合图像。结果 实验结果显示,与当前图像融合算法相比,所提算法具有更强的细节表达能力,其输出的融合图像具有更好的清晰度及视觉效果。结论 所提算法拥有较好的融合质量,能提高图像的对比度与分辨率,在图像处理领域具有一定的参考价值。     

局部高亮干扰文本图像的二值化方法研究

本文提出一种新的基于Curvelet变换的文本图像二值化处理方法,以消除文本图像中局部高亮度区域对二值化图像质量的影响.首先对具有局部高亮度区域干扰的原始文本图像进行Curvelet变换,得到图像在曲波域的Curvelet系数集；然后根据各Curvelet系数所表征的图像特征,对Curvelet系数进行非线性增强,以优化文本图像的直方图分布；对增强的Curvelet系数集进行反变换,得到直方图优化后的时域图像,进而应用Otsu方法实现文本图像二值化.应用本文方法对具有带状及点状局部高亮度区域的文本图像进行二值化处理,并采用ABBYYFineReaderl0对二值图像进行OCR识别.实验结果表明,通过本文提出的处理方法所得到的二值化图像,其字符的OCR识别准确率最高可达94.81％,优于其他四种典型的图像二值化处理方法.     

一种基于Curvelet变换的彩色图像融合算法

针对图像传感器的多聚焦成像问题,提出了一种基于YIQ颜色模型和第二代Curvelet变换的图像融合方法.通过将待融合图像转换到YIQ颜色模型,考虑到图像的颜色各分量相关性和算法的计算复杂度,对亮度分量Y和色度分量I、Q分别采用了不同的融合策略:亮度分量Y进行Curvelet变换,分解后的高频系数采用区域梯度和能量加权相结合的融合准则,低频系数采用能量自适应加权的融合准则,再进行Curvelet逆变换重构得到分量Y,色度分量I、Q分别通过区域信息熵取大的方法得到.将融合得到的三分量进行YIQ逆变换,从而实现多聚焦彩色图像的融合.通过实验对比,算法取得较好的融合效果.     

一种改进的边缘检测方法

本文提出了基于小波变换和图像融合的一种改进的边缘检测方法。该方法利用小波变换将数字图像分解为高频和低频分量,对高频和低频分量分别进行边缘检测;再采用局部区域方差准则把高频和低频边缘在小波域进行融合。实验表明,该方法能够有效融合高频、低频边缘图像特征,具有较好的边缘检测功能。     

基于方向滤波器组与Laplacian能量和的图像融合算法

目的针对基于Contourlet变换的融合算法在边缘上易出现吉布斯现象,使其融合图像产生几何失真的问题,设计一种非下采样方向滤波器组耦合局部Laplacian能量和的图像融合算法。方法首先,结合多小波变换(multi-wavelet transform,MWT)与非下采样方向滤波器组(Non-Subsampled Direction FilterBank,NSDFB),将图像分解为3个高频方向系数和1个低频系数。对于低频系数,采用局部修正的Laplacian能量和(Local Sum-Modified-Laplacian,LSML)与脉冲耦合神经网络(Pulse couple neural network,PCNN)组合的LSML-PCNN模型来完成低频信息的融合。对于高频系数,通过提取低频和高频子带边缘,并利用系数绝对最大值法作为依据,实现高频系数的融合。结果实验数据表明,与当前图像融合方案相比,所提算法具有更高的融合质量,得到的融合图像边缘更加清晰和完整。结论所提算法拥有较高的融合视觉效果,可改善图像的对比度和分辨率,在图像处理领域具有一定的参考价值。     

基于Retinex的弱可见光和红外图像融合算法

目的 针对目前弱可见光与红外图像融合后的图像仍存在细节大量丢失、目标模糊不清的问题,提出一种基于Retinex对弱可见光图像进行增强预处理后,再基于NSST和SWT变换进行图像融合的算法。方法 首先用SSR对弱可见光图像进行增强处理,增强后的可见光和红外图像进行NSST分解得到第1次的高低频系数,高频系数采用基于局部能量特征的方法进行融合;低频系数经过SWT分解得到第2次高低频系数,第2次的高频系数采用同样的方法融合,低频系数采用线性加权方法融合,然后将第2次高低频的融合结果经过SWT逆变换得到新的低频系数。最后把第1次高频系数融合结果和新的低频系数进行NSST逆变换得到融合图像。结果 通过仿真实验,将文中算法与NSST,NSCT以及文献[5]算法进行对比,结果表明主观视觉上融合图像细节更加清晰,客观评价上,平均梯度、空间频率（SF）、标准差、信息熵、边缘信息保留量等指标分别提高了35.63%,26.73%,16.89%,7.2%,4.6%。结论 文中算法对图像融合有较好的改善作用,融合图像的可视性和图像质量都得到显著提高。     

基于边缘信息的偏振图像融合算法及评价

偏振遥感图像通常都采用强度、偏振度、偏振角来表征目标偏振特性.本文提出的基于边缘信息的偏振图像融合算法是将三幅偏振图像利用离散小波变换把图像分解成不同尺度的低频和高频部分,采用小波区域窗口和子区域窗口统计把小波系数分类成边缘和非边缘系数,通过这些方法进行有效的边缘细节信息提取.在融合处理中,低频图像的小波系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的窗口区域方差来确定融合后高频小波系数.仿真实验结果表明,这样使得融合后的图像细节更真实更丰富,图像的偏振特性体现更为充分,同时减少对源图像的预处理要求,使图像在整体上有较好的视觉效果.从而证明这种方法能够在保留图像微小细节方面获得满意的结果,且算法有效性优于其他的图像融合方法.     

基于Daubechies小波的图像边缘检测技术

利用Daubechies正交小波变换的性质,通过Mallat多尺度分析方法对图像进行小波变换,把图像分解成低频轮廓,水平高频、垂直高频和斜线高频四个部分。针对图像边缘主要集中在高频部分,该文先保持小波变换后的高频小波系数,同时对低频小波系数进行再次小波变换,提取出次高频信号的边缘信息。最后对保留下来的高频小波系数和次高频小波系数进行逆变换获取最大边缘信息。     

基于NSST和SWT的红外与可见光图像融合算法研究

目的鉴于非下采样剪切波变换NSST的红外与可见光图像融合的结果存在细微特征缺失问题,提出一种基于NSST和SWT的红外与可见光图像融合算法,以提升融合图像的质量。方法首先分别对红外与可见光图像进行NSST分解,各得到一个低频系数和多个不同方向、尺度的高频系数。然后低频系数分别通过SWT分解得到新的低频系数和高频系数,通过SWT分解得到的新的低频系数和高频系数分别采用采用线性加权平均法和区域平均能量取大的融合策略,融合结果再进行SWT逆变换得到低频系数融合结果。高频系数采用区域平均能量取大的融合策略进行融合。最后通过NSST逆变换得到最终的融合图像。结果通过仿真实验结果表明,文中算法与NSST,SWT和NSCT等算法相比,融合图像在主观视觉上的红外目标更突出,图像细节更清晰,且在IE, AG, QAB/F, SF和SD等评价指标上也最优。结论文中算法的融合结果能更好地表现源图像的目标信息和细节纹理信息,表明该算法具有优越性。     

基于小波系数邻域特征的CT与MR图像融合方法

提出一种基于小波变换的像素级CT,MR医学图像融合方法,利用离散小波变换分别将两幅源图像进行多尺度分解,再用不同的小波系数邻域特征指导高频分量和低频分量的小波系数的融合,低频分量采用邻域方差指导,高频分量采用邻域能量指导,最后根据融合图像的各小波系数重构融合图像.实验表明:不论从主观感受,还是采用信息熵和平均梯度两项指标作为客观定量评价标准,该方法都优于传统的融合方法,获得的融合图像有效地综合了CT与MR图像信息,能够同时清晰地显示脑部骨组织和软组织.     

改进的Curvelet变换图像降噪方法

与小波变换相比,Curvelet变换等多尺度几何分析方法,可以更好地逼近含线奇异的高维函数。基于Curvelet变换的图像去噪方法,即Window Shrink算法,考虑到Curvelet变换系数之间的相关性,利用软阈值方法降噪。通过窗口邻域操作,对变换后的每一个Curvelet系数自适应地进行萎缩处理,降低噪声系数权重以提高信噪比。实验表明,该方法一定程度上改进了传统Curvelet去噪方法“过扼杀”Curvelet变换系数的缺点,可以较好地保持图像边缘。在噪声方差σ=25时,小波,Curvelet以及Window Shrink去噪算法的峰值信噪比（PSNR）分别为28．59、29．25和29．93,后者明显优于前二者。     

一种基于曲波变换的图像增强方法

本文提出了一种新的基于曲波变换的图像增强方法,文中首先介绍了曲波变换模型,采用曲波变换方法增强图像的原理。然后提出新的算法:对含噪声图像进行曲波变换,得到曲波变换系数;对图像的曲波变换后各尺度系数中的高频成分进行软阈值操做,而对低频成分作灰度拉伸;对处理后的曲波变换系数进行曲波反变换,得到增强后的图像。最后通过图像质量评价方法对实验结果作了分析,结果证明该方法能够有效抑制噪声。     

一种抽样小波域的遥感影像融合新方法

针对传统图像融合方法的不足,提出了一种新的基于IHS变换与抽样小波变换的高清晰遥感影像融合方法.该方法将直方图匹配后的全色影像的高频系数作为融合后的高频系数,而融合后的低频系数依据新提出的融合规则得到,最后采用小波逆变换与逆IHS变换获得融合图像.实验结果表明,该方法在提高融合影像的空间分辨率与光谱质量之间得到了更好的折衷.该方法的计算复杂度接近于常用的基于抽样小波变换的融合方法,明显少于基于非抽样小波变换的融合方法.     

NSST域改进NMF的红外与可见光图像融合

针对红外与可见光图像融合时细节信息提取不充分、算法复杂度高等缺点,本文提出一种降低算法复杂度、丰富细节信息的基于非降采样剪切波变换(NSST)和非负矩阵分解(NMF)的红外与可见光图像融合算法。该方法根据NSST算法对源图像分别进行多尺度、多方向稀疏分解,分别得到低频部分和高频部分。对低频部分采用基于改进的NMF融合规则;对高频部分采用拉普拉斯能量和视觉敏感度系数相结合的融合规则。最后,对低频融合部分和高频融合部分执行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图像的清晰度,同时还可以缩短算法的运行时间。     

基于混合编码和IWT的医学图像近无损压缩

本文对医学图像先采用DPCM预测变换后,再选择IWT(整数小波变换)对其进行分解,对分解后的低频和高频子带分别作无损Huffman编码和有损矢量量化.根据小波分解后系数的分布特征,能量大部分集中在低频部分,对低频进行无损熵编码,对高频采用量化处理,去除人眼不敏感的冗余信息.最后利用处理过的低频和高频系数进行重构获得压缩后的图像.并与传统的离散小波变换压缩编码,JPEG和JPEG2000进行比较,实验结果表明,利用该方法能得到较高的压缩比和较好的压缩效果.     

基于小波变换的卫星云图融合研究

阐述了Mallat算法,提出了一种基于加权法和局部特征相结合的卫星云图融合方法。本文针对小波变换后的低频部分和高频部分的不同特点,选择了不同的融合规则。为了充分利用红外与可见光图像的信息,对低频部分使用了加权方法,对高频部分使用了局部方差方法。试验结果表明,算法提高了图像的空间分辨率和清晰度,有利于对计算机视觉和目标检测的研究。     

Shearlet变换和稀疏表示相结合的甲状腺图像融合

针对甲状腺肿瘤超声图像对比度低和SPECT图像边界模糊的特点,结合多尺度几何分析和单尺度稀疏表示的思想,提出了一种 Shearlet 变换与稀疏表示相结合的图像融合算法。首先,用该变换对已经精确配准的源图像进行分解,得到图像的高低频子带系数。对稀疏性较差的低频子带系数进行字典训练并求解其稀疏表示系数,并采用能量值取大的规则进行融合。高频子带系数采用区域拉普拉斯能量和的规则。最后,用 Shearlet 逆变换得到融合图像。实验结果表明,此算法在主观视觉效果和客观评价指标上优于多尺度融合方法和单尺度下基于稀疏表示的图像融合方法。     

一种NSCT域多聚焦图像融合新方法

针对多聚焦图像融合存在的问题,提出一种基于非下采样Contourlet变换（NSCT）的多聚焦图像融合新方法。首先,采用NSCT对多聚焦图像进行分解;然后,对低频系数采用基于改进拉普拉斯能量和（SML）的视觉特征对比度进行融合,对高频系数采用基于二维Log-Gabor能量进行融合;最后,对得到的融合系数进行重构得到融合图像。实验结果表明,无论是运用视觉的主观评价,还是基于互信息、边缘信息保留值等客观评价标准,该文所提方法都优于传统的离散小波变换、平移不变离散小波变换、NSCT等融合方法。     

一种基于Directionlet变换的图像融合算法

为了提高图像融合效果,提出了一种基于Directionlet变换的图像融合算法.首先对已配准的待融合源图像由给定的生成矩阵分别进行陪集分解,得到每个陪集对应的子图;接着将每两个子图相减,得到源图像的高频和低频分量,其中边缘、纹理等奇异特征包含在高频分量中;然后对低频分量采用直接平均融合的方法进行系数选择,对高频分量选择子区域边缘信息较强的系数;最后,通过Directionlet陪集分解的反变换,得到融合后的图像.多聚焦图像融合实验表明,在主观视觉上,该算法明显更好地融合了边缘等图像特征,从而较好地保持了左右聚焦图像各自的细节信息;在客观评价上,通过熵、平均梯度、标准差和互信息量等性能参数比较,该方法也优于小波变换和其他的融合方法.