多聚焦图像融合中最优双树复小波分解层数的选择

采用具有近似平移不变性和方向选择性的双树复小波变换对多聚焦图像进行多分辨率分析与重构,是一种高效的融合方法。然而,分解层数的选择是影响该算法性能的重要因素之一。本文提出了一种基于信息熵、互信息量、边缘融合质量和加权融合质量等融合质量评价指标确定最优分解层数的方法。实验结果表明,不同的原始图像用同种融合算法分解重构,最优分解层数不一定相同;相同的原始图像用不同的融合算法分解重构,最优分解层数也不一定相同。因此,只有综合考虑多种代表性的评价指标,才能确定最优分解层数。     

基于树状小波分解的多传感器图像融合

提出了基于树状小波分解的多传感器图像融合方法,它能够在一定的能量准则下,自适应地根据图像特征进行子带分解和融合。对可见光图像与红外图像、可见光图像与毫米波图像进行融合的实验结果表明,所提出的方法比传统的金字塔形小波分解具有更好的融合效果。     

基于多小波分解的多光谱图像矢量融合

在实数域中,对称、正交的紧支集非平凡单小波基不存在,而多小波把紧支性、对称性、正交性完美地结合在一起,使小波理论从标量扩展到矢量范畴。考虑到图像多小波变换系数具有矢量特性,该文将基于像素点和基于区域的标量融合策略推广到矢量情形,提出一种新的、在多小波域中基于矢量融合的图像融合算法,充分利用多小波变换域系数矢量内部各个分量的相关性来提高融合质量。两波段真实多光谱图像融合实验结果表明,与单小波标量融合方法相比,多小波矢量融合算法获得的图像具有较优的视觉效果和客观评价指标,从而证明了用于图像融合时,多小波较之单小波更适合于人类视觉系统,具有广泛的应用前景。     

小波变换在多光谱图像融合中的应用

本文用小波变换实现了多光谱图像的融合，在数据融合的过程中，使用适应于小波变换的系数特点的区域选择算子，进行基于区域和方向的特征选择，并进行了有针对性的图像增强。     

基于小波分解的多聚焦图像融合研究

研究基于小波分解的多聚焦图像融合算法,对源图像进行小波分解,采用不同融合规则构造融合图像的小波系数,最后逆小波变换重构融合图像,比较各种融合规则的特点,最后通过均方根误差,峰值信噪比、熵、互信息熵这些评价函数进行定量分析,结果表明,对于低频部分采用加权方法较好,对于高频部分采用方差对比法或能量对比法对高频部分的细节信息融洽效果较好。     

基于小波分解的不同聚焦点图像融合方法

本文提出了一种基于小波分解的多聚焦图像融合方法.该方法首先建立一个PSF模型来描述目标聚焦的情况,然后利用小波分解分析不同聚焦图像在高斯平滑前后其高频分量的差异,进而判断图像中聚焦清晰的目标,并进行融合.实验结果表明,本文提出的方法可以得到目标都清晰的融合图像,其融合结果优于小波变换法和Laplacian塔型方法.     

基于小波分解的融合图像评价方法

本文提出了一种新的基于小波多尺度分解的图像质量评价方法,其基本思想是首先对源图像和融合图像进行小波多尺度分解;其次,在小波域计算源图像与融合图像的相关性;最后根据小波系数的重要性进行加权得出评价指数。仿真表明:该方法的算法简单,计算量小,评价结果符合人眼的视觉特性,可用于多传感器图像融合效果评价。     

小波分解和重构的光学可变图像融合研究

针对传统光学可变图像融合方法存在的融合效果差、噪声干扰严重等问题,提出小波分解和重构的光学可变图像融合方法.分析光学可变图像在不同区域的融合原理,获取光学可变图像的特征;采用小波变化的方法,对光学可变图像进行多尺度分解,提取不同频率的小波系数;采用小波阈值降噪方式,对光学可变图像进行降噪处理;通过融合准则选取融合子图像...     

基于多小波的高分辨率与多光谱图像融合

为了将高分辨率与多光谱图像进行有效地融合,本文提出了一种将 HIS 变换,多小波变换及 PCNN神经网络相结合的图像融合算法。该算法首先采用HIS变换将多光谱图像分为 H、I、S 3个分量,然后使用多小波分别分解I分量和高分辨率图像得到各自的高频和低频分量,接着低频采用矢量融合,高频采用PCNN融合,最后采用多小波逆变换以及HIS逆变换得到融合图像。实验结果显示本文方法在融合时间、视觉效果及客观评价指标上综合效果比较好。     

基于小波变换和视觉特性的多光谱图像融合

本文提出了一种基于小波变换和人眼视觉系统特性的多光谱图像融合算法。首先对已配准的源图像进行小波多尺度分解;其次基于视觉系统提出一种新的融合规则,即分别将对应的高低频分量分割成若干个块,计算出每个块的对比度方差,通过文中所构造的一种自适应的阈值方法,选取两幅图像中清晰的图像块形成新的高低频分量;最后,通过小波反演变换重构多光谱图像。实验结果表明,这种方法不仅能很好的增强多光谱图像的空间细节能力及光谱信息,而且能避免增强结果出现振铃效应,是一种十分有效的融合方法。     

像素级多分辨图像融合若干问题分析及实验

针对前人的工作和我们的实验进行了理论分析,讨论了像素级多分辨图像融合的三个基本问题:①为什么基于多分辨数据结构的融合能消除来自不同图像的特征之间拼接的板块效应而过渡自然?②如何构造新的融合图像的多分辩数据结构,从而能稳定地重构融合图像?③所选择的系数是否携带着原始图像的显著特征(边缘和纹理)?给出了像素级多分辨图像融合的三个基本规律:多分辨数据融合的内在机理,融合算法的稳定性条件以及基于能量准则的数据融合原理.并以此规律为引导,开发了一种新的基于小波变换域的图像融合算法,进行了实验验证.     

一种基于小波多分辨率分解的图像融合新算法

提出了一种新的基于小波多分辨率分解的图像融合方法。该方法先利用小波变换将图像分解为不同分辨率、不同方向的分量,然后利用方向对比度和基于区域标准差最大化的融合规则得到融合图像的小波系数;最后通过逆小波变换得到融合图像。实验结果表明,本方法是十分有效的。     

基于小波系数相关性的图像融合新方法

文中在阐述小波变换原理的基础上,针对融合算子的构造,给出了一种新的基于小波系数相关性的融合方法。以分解后的高频子图像的区域均值、方差、协方差统计参量构造匹配度和加权因子,以此对高频子图像的对应区域进行融合计算;低频部分采取加权平均融合规则;最后,通过小波逆变换得到融合图像。用熵、交叉熵和交互信息量对融合结果进行了客观评价,并与其它几种算法进行了比较。实验结果表明,此方法融合效果要优于一般融合方法,计算也比较简单,有一定的工程实用价值。     

小波变换在特征级多重图像融合与目标分类中的应用

针对特征级图像融合的一般规律,用小波变换算法实现了图像的多分辨分割,提取目标的多分辨特征矢量,在特征级完成CCD图像和热成像图像的信息融合,并基于融合特征实现目标分类,最后,对实验结果进行了分析,提出了在特征级图像融合及目标分类中应考虑的问题.     

一种基于提升小波变换的图像融合方法

在针对传统的多尺度分解的融合方法运算速度慢、内存需求量大，不适于实时应用的局限性的基础上，提出了一种基于提升小波变换的图像融合算法。多个源图像分别进行提升小波分解，使用恰当的融合规则合并各尺度对应的分解系数，通过提升小波逆变换得到融合图像。实验结果表明，提出的算法无论在执行时间还是融合图像质量上都优于传统方法，有广泛的应用前景，特别适用于实时系统。     

基于小波变换的红外与可见光图像融合技术研究

随着传感器技术的发展,单一的图像传感器往往不能够从场景中提取足够多的信息,需进行多源图像融合.为了解决多传感器图像所表现的目标特征不一致的问题,本文采用小波变换对红外及可见光图像进行了融合.首先利用小波变换将图像进行多尺度分解.对于高频部分融合,取两幅图像小波系数矩阵对应元素的最大绝对值构造小波系数矩阵;针对低频部分融合,采用基于领域像素相关和基于区域方差相结合的策略.实验结果表明,该算法将红外与可见光图像对同一目标所表现出的不同特征、细节有效地融合在一幅图像里,增加了单幅图像的信息量,丰富了目标的信息层次,为图像显示观察和后续图像处理系统获取信息提供了基础.     

基于小波变换的图像融合技术研究

基于小波变换的融合算法形成了多分辨率融合算法的一个新的有用框架。由于人类视觉只对亮度信号的局部对比度敏感,提出了小波对比度的概念。图像经小波多分辨率分解后,依照小波对比度,定义变换系数邻域活性和系数匹配程度测度,按照系数匹配程度加权系数形成融合图像。将小波多分辨率分解和人类视觉对局部对比度敏感的特性优雅地结合在一起。     

一种基于小波变换的图像融合算法

本文给出了一种基于小波变换的图像融合方法,并针对小波分解的不同频率域,分别讨论了选择高频系数和低频系数的原则.选择高频系数时,基于绝对值最大的原则,并对选择结果进行了一致性验证.文章设计了三种选择低频系数的方案,即平均法、Burt提出的平均与选择相结合的方法和基于边缘的方法.平均法在一定程度上降低了图像的对比度;平均与选择相结合的方法根据两幅图像的相关性采用平均法或选择法;第三种方法是一种基于边缘的方法,在多幅原图像中选择最有可能是边缘的点加以保留,得到的合成图像最清晰.文章最后将提出的算法用于多聚焦图像的融合.从仿真结果可以看出,文中给出的方法可以很好地保留多幅原图像中的有用信息,得到多个目标聚焦都很清晰的融合图像.通过比较可知,如果尺度系数的选择采用第三种方案,融合图像的视觉效果最好.     

基于小波变换的红外图像融合算法研究

小波变换具有良好的多分辨分析特性,可用于可见光图像与红外图像的图像融合。一般情况下,对于分解后得到的低频分量采用加权平均的方法来进行简单处理,这对融合后图像的对比度和视觉效果有很大的影响。采用基于小波变换的图像融合算法来分别处理分解后的低频分量和高频分量,并与其他融合方法进行分析比较。实验结果表明,使用所提出的算法进行融合后的图像内容清晰,具有增强图像的空间细节能力,提高图像分辨效果和人眼对场景目标的发现和识别概率,在不影响互信息量值的情况下,融合后图像的边缘保持度提高了将近2倍。