基于目标区域与增强方法的红外与可见光图像融合

为了使红外图像与可见光图像融合较好凸显目标与挖掘更多细节信息,提出了一种提取目标区域与融入更多细节信息的融合方法。首先,对红外图像进行分割获取目标区域,并对可见光图像进行增强以挖掘更多细节信息;然后对原始红外图像与增强后的可见光图像分别进行非下采样contourlet变换(NSCT),得到不同的低频系数与高频系数,依据分割得到的二值化图像,低频部分的目标区域系数选自原始红外图像目标区域低频系数,其余区域选择增强后的可见光对应区域低频系数,高频部分按照邻域方差取大法选择高频系数;最后,进行NSCT反变换,得到融合图像。实验结果表明,与其他3种融合方法对比,主客观评价表明,该算法有效提高了图像的对比度,具有较好的整体视觉效果。     

基于FDST和双通道PCNN的红外与可见光图像融合

为提高融合图像的细节表现力和信息冗余度,针对红外与可见光图像,提出一种基于有限离散剪切波变换（FDST）和双通道脉冲耦合神经网络（PCNN）的图像融合方法。首先,利用FDST分解红外与可见光图像得到各自的高低频子带系数;再对高低频子带系数分别采用不同链接强度的改进的空间频率激励的双通道PCNN进行融合;最后,通过FDST反变换得到融合图像。实验结果表明该算法能够有效增强图像清晰度和整体视觉效果,融合效果跟其他融合方法相比,在互信息、边缘信息传递量、标准差多个客观评价指标上具有明显提高。     

结合NSCT和邻域特性的红外与可见光图像融合

针对传统的融合方法对比度低、纹理信息保留不充分等问题,结合模糊增强特性,提出一种结合NSCT和邻域特性的红外与可见光图像融合算法。首先,对待处理的红外图像和可见光图像进行NSCT变换分解得到各自的高低频子带系数,接着对模糊增强后的低频子带系数采用改进的区域能量加权平均融合方案,同时对高频子带系数采用灰度变化和梯度差异加权融合方案,最后将高低频融合系数经NSCT逆变换得到融合图像。实验结果表明,融合后的图像目标细节清晰突出,与其他融合算法相比更具有先进性与有效性。     

基于小波变换的可变光照下人脸图像识别方法研究

实现人脸图像识别真实性的过程中,为提升可变光照下人脸识别图像的识别率,提出基于小波变换的可变光照下人脸图像识别方法,小波分解人脸图像,过滤掉人脸图像中的冗余信息,获取人脸低频图像,采用Gamma校正改善图像亮度、通过高斯差分过滤出人脸图像低频中的光照和高频中的噪声,通过对比度变换增强图像质量,实现人脸图像的光照处理。采用小波变换和LBP编码方式提取光照处理后人脸图像的LBP直方图特征,计算特征间距离,近邻分类人脸图像,实现可变光照下人脸图像识别。经过实验检测发现,所提方法有效降低可变光对人脸图像的影响,完整保存人脸面部表情,并改善图像亮度对比度和滤出人脸图像中光照成分,识别可变光照下人脸图像的最高识别率达到98. 56%。     

基于显著性图的红外与可见光图像融合

为使红外图像与可见光图像融合后的图像能获得更多目标信息和细节信息,本文提出了一种基于显著性图的图像融合方法。使用改进的Frequency Tuned(FT)算法提取红外图像的显著性图,并使用对比度受限的自适应直方图均衡化(Contrast Limited Adaptive Histgram Equalization,CLAHE)算法增强可见光图像的对比度。将红外图像与增强后的可见光图像进行非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)后,根据所设定的融合规则分别对红外与可见光图像的低频部分与高频部分进行融合,最后对融合系数进行NSCT逆变换操作后获到融合图像。实验表明,该融合方法相较于其他方法而言,保留了更多的目标信息和细节信息,可以取得更好的视觉效果。     

边缘和对比度增强的NSST域红外与可见光图像融合

为了将红外图像的全局信息与可见光图像的细节信息进行有效结合,进一步提高融合后图像的质量,提出了一种同时增强图像边缘细节和对比度的非下采样剪切波变换(NSST)域红外和可见光图像融合方法。首先,通过平移不变剪切波将图像分解成为低频子带与高频子带,通过全局显著性图分析图像的对比度信息;利用改进型局部显著度图分析图像局部边缘信息。针对不同频带系数,结合边缘信息和对比度信息对频带系数进行融合,最后,利用逆变换得到最终的融合图像。大量实验结果表明,本文方法在提高图像整体对比度的同时增强了图像的边缘细节表现能力,优于现有的基于小波变换,非下采样轮廓波变换(NSCT)和显著度图等几种图像融合方法。     

基于视觉传达的低亮度激光图像细节信息增强方法

针对激光图像亮度较低,导致内部细节信息缺失,图像应用性下降等问题,提出基于视觉传达的低亮度激光图像细节信息增强方法。从视觉传达角度出发将低照度激光图像转换为Lab色彩模式,采用Curvelet变换将激光图像分解为高频分量与低频分量,利用细节增强网络模型增强高频分量,通过基于照度图估计的微光图像增强方法增强低频分量,融合增强后的高、低频分量,实验结果显示,采用该方法对所选图像进行细节信息增强处理后,各图像的信息熵均高于8.35以上,而对比度与相关系数则分别在0.846和0.815以上,增强后的图像更符合人眼视觉特性。     

基于ST与量子理论模型的红外与可见光图像融合

针对传统的红外与可见光图像融合方法计算复杂度高、运行机制过于机械的问题,提出一种基于剪切波变换(ST)与量子理论(QT)模型的红外与可见光图像融合方法。该方法利用ST优越的图像信息捕捉性能对源图像进行多尺度多方向分解;其次,采用QT理论针对低频子带图像和一系列高频子带图像进行融合;最后,采取ST反变换获得最终融合结果图像。     

基于对比度金字塔与双边滤波的非对称红外与可见光图像融合

为了同时保留红外图像的特征信息和可见光图像的细节信息,提出了一种基于对比度金字塔的非对称红外与可见光图像融合方法.首先,使用对比度金字塔对红外与可见光图像进行高频与低频信息分解,然后对高频部分采用绝对值取大方法进行融合,对于低频部分采用基于双边滤波的方法对红外与可见光图像进行非对称的处理;其次,使用对比度金字塔的逆变换...     

基于结构-纹理分解和VGG深层网络的红外与可见光图像融合

针对当前红外与可见光图像融合方法中存在低频信息未充分利用，以及高频细节易混入噪声等问题，提出一种基于结构-纹理（ST）分解和VGG深层网络的红外与可见光图像融合方法。首先用均值滤波将输入图像分解为高-低频子带，并引入ST对低频子带二次分解，采用平均法则与邻域空间频率分别对结构和纹理进行预融合；同时，将输入图像送入VGG网络得到多层特征映射，并用Sigmiod函数实现高频子带的归一化预融合；最后利用预融合的高频、低频结构和低频纹理3个频带进行图像融合重建。实验结果表明，提出的方法能够融合图像的深层细节特征，有效保留纹理细节并抑制噪声，且在噪声评估、结构相似性、均方误差、峰值信噪比等客观指标方面具有明显优势。     

基于激光扫描的人脸图像模糊纹理特征提取方法

由于图像的高频细节信息较为复杂，在人脸图像识别中特征提取准确度严重下降，为此，提出一种基于激光扫描的人脸图像模糊纹理特征提取方法。通过直接标定的方式获取相机采样图片中标定点坐标和世界坐标系之间的关系，使用相机拍摄标准色板图像，标定感光曲线，通过激光扫描得到人脸图像。将获取的人脸图像预处理，将预处理之后得到的人脸图像特征实行CCS-LBP编码处理，将编码处理得到的图像特征融合处理，获取一个全新的纹理特征，最终达到人脸图像模糊纹理特征提取的目的。实验结果表明，所提方法可以有效提升特征提取结果准确性。     

基于小波变换与Retinex的电路板红外图像增强技术

电路板红外图像发热芯片区域的增强是红外图像故障检测系统中一项重要研究内容。针对电路板某些芯片的发热量小,芯片区域红外图像与背景差异弱的特点,为提高故障检测效率,设计了一种融合小波变换与改进的多尺度Retinex红外图像增强算法。首先,通过小波变换获得不同频率的子带图像;然后,利用多尺度Retinex算法对低频子带图像进行增强处理;对于高频子带图像,利用可变阈值去噪,引入图像清晰度参数,依据参数值对高频图像进行适度增强。最后,对处理后的高、低频图像进行小波逆变换与重构,实现电路板红外图像增强。对增强后的红外图像进行的定量以及定性评价表明:与单一的利用直方图均衡算法、小波变换法以及多尺度Retinex增强算法相比,本文算法改善了某些发热芯片区域红外图像对比度低且细节模糊问题,抑制了噪声,提升了电路板红外图像整体视觉效果。     

基于NSST与改进PCNN的红外与可见光图像融合方法

针对目标红外图像与可见光图像信息优势互补的需 求,引入改进的脉冲耦合神经网络,提出一种新颖的基于非下采样 剪切波变换的红外与可见光图像融合算法。首先选取非下采样剪切波变换将图像进行分解, 获得高低频分量;其次低频分量的 融合是利用改进空间频率作用脉冲耦合神经网络输入激励,且其链接强度由表征图像信息的 平均梯度自适应调整;而高频分量 处理方法是利用局部平均梯度与区域方差自适应加权融合;最后,对分别处理后的低高频分 量经过非下采样剪切波变换可逆变 换获取融合图像。实验结果表明,该算法可以有效综合图像的优势信息,融合结果在主观与 客观评价上比经典算法更好。     

基于多小波变换与图像融合的图像增强方法

针对传统增强方法的不足,本文提出了一种基于多小波变换和图像融合技术的图像增强方法.首先利用多小波变换对原图像做分解处理,之后对一层分解后得到的多小波低频子图作直方图均衡化处理.在利用文中方法得到原图像直方图后,利用图像融合的原理,将均衡化处理后的低频子图与直方图对应的图像融合,得到最终增强结果.实验结果表明,本文算法增强效果良好.     

基于对比度的小波图像融合算法研究

图像融合可以集成多个源图像中的冗余和互补信息,增加图像理解的全面性,获得对同一场景的更为准确可靠的图像描述。传统的小波图像融合方法的融合规则是分别对低频和高频系数进行处理,忽略了两者之间的联系。本文提出利用对比度将高频系数和低频系数的处理联系起来,并以对比度作为度量系数取舍的准则进行图像融合。实验仿真研究表明,本文提出的算法很好地保留了多幅源图像的有用信息,是一种有效的图像融合算法。     

基于NSCT域的动态WNMF图像融合算法的研究

在红外线与可见光图像的融合过程中，经常会出现融合图像细节方面缺失的情况。为了解决这一问题，采用了改进的非下采样轮廓波变换（NSCT）图像融合算法，融入动态的加权非负矩阵分解规则（WNMF），对图像进行融合处理。结果表明，利用非下采样轮廓波变换算法对两幅源图像进行多尺度多方向的分解，可得到低频与高频部分；动态的WNMF融合规则作为低频部分的融合规则；高频部分中最高层的分解尺度采用绝对值取大的方法；高频部分其它各层则设定匹配度阈值；低于阈值时，使用基于区域能量匹配度的区域方差选大的方法；如果高于阈值时，采用加权平均的方法进行；通过对低频部分与高频部分的处理，用NSCT逆变换方式获得了融合图像。该方法有效提高了融合图像清晰度，凸显了其细节信息，缩短了所需的计算时间。     

八通道MSVD构造及其在多聚焦图像融合中的应用

针对经典的SVD在图像处理中的不足,提出了一种八通道多尺度奇异值分解（Multi-resolution Singular Value Decomposition,MSVD）构造方法,并把它应用于多聚焦图像融合中。首先,在经典SVD的基础上,利用矩阵分块的方法,提出了一种八通道多尺度SVD的构造方法。其次,对参加融合的多聚焦图像进行八通道MSVD分解,得到高层低频和各层七个方向的高频,对分解的低频子图像利用数学形态学增强边缘的方法进行融合、高频子图像采用基于区域能量取大的融合规则进行融合,并重构获得融合结果图像。最后,对融合结果进行主客观评价和分析。实验结果表明,该图像融合方法有较好的视觉效果,结果图像有较高的清晰度,边缘细节信息丰富,没有方块效应。从客观数值和图形评价指标看,该方法有较高的清晰度,其清晰度比基于DWT的融合方法、基于LWT的融合方法、基于Curvelet的融合方法、基于Contourlet的融合方法都高。     

基于小波变换的红外与X光图像融合方法研究

红外与可见光图像融合只能反映构件表面信息和温度场分布,由于小波变换具有良好的时域和频域多分辨率性,为了获得构件内部发热源,采用了基于小波变换的红外与X光图像融合方法。首先将红外彩色图像做灰度化处理;然后采用MALLAT算法对红外与X光图像作小波分解,用低频系数平均、高频系数取绝对值大的融合规则进行融合,并利用YIQ空间变换将红外图像的彩色温度信息迁移至小波融合图像上;最后采用信息熵、标准差、方差等质量评价参量对融合后的图像进行评价。结果表明,经过小波变换融合的红外与X光图像融合在继承了两幅图像信息基础上进行了折中,既包含了构件的温度场分布,同时也反映了构件内部清晰的结构。     

基于CSR和能量特征的红外与可见光图像融合

传统稀疏表示(SR)分块处理策略降低了图像连续性,使得特征信息损失严重。因此,提出了基于卷积稀疏表示(CSR)和能量特征的红外与可见光图像融合算法。该算法将非下采样轮廓波变换(NSCT)域低频子带分解成低频基础分量和细节特征分量,使用局部拉普拉斯能量法(LLE)和卷积稀疏表示分别进行融合,获得低频子带融合图像。同时,根据底层视觉特征构建新活性度量方法来融合高频子带,最后对高、低频部分进行NSCT反变换重建。实验结果表明:该算法有效结合了源图像的边缘纹理信息,在主观和客观评价上皆优于现有的大部分算法。     

基于contourlet变换和模糊理论的图像融合算法

提出一种基于Contourlet变换和模糊理论的红外与可见光图像融合算法。首先,对源图像进行Contourlet变换;随后对低频和高频的小波系数采用不同的融合规则,即低频部分采用基于模糊集的自适应加权融合方法,高频部分采用基于区域小波能量加权的方法;最后再通过contourlet逆变换,获得融合图像。实验结果表明该算法能够较好地保留源图像的细节信息,具有较好的视觉效果,是一种有效实用的方法。