采用非采样Contourlet变换与区域分类的红外和可见光图像融合

提出基于多尺度变换和区域相结合的红外与可见光图像融合方法,用于有效保留红外图像与可见光图像中的空间信息及热目标信息,提升融合图像的可观测性和可理解性。首先,基于非采样Contourlet变换(NSCT)方法对红外和可见光图像进行初步融合,采用基于局部能量的规则融合低通子带系数,根据尺度内各方向子带的相关性原则融合带通方向子带系数。然后,计算初次融合后所得的融合图像与源图像的结构相似性(SSIM),根据源图像与初次融合图像的结构相似程度对图像进行区域分类,得到相似区域分类标识图。最后,依据区域内各自的相似度特性,分别采用不同的融合策略进行二次融合,从而得到最终的融合结果。实验结果表明:该方法能够充分提取源图像的区域特征和纹理特征,融合结果在主观和客观评价上均优于目前流行的融合方法。与仅使用NSCT法进行融合相比,实验所采用的两组图像的质量评价指标分别提高了16%、85%、54%、36%和18%、102%、84%、41%。表明该方法在主客观评价上均优于双树复杂小波变换(DTCWT)、NSCT、冗余离散小波变换(RDWT)等方法。     

基于Red-Black小波变换的多光谱图像融合方法

针对张量积小波在多光谱图像融合中的不足,提出了一种基于Red-Black小波变换的多光谱图像和高空间分辨率全色图像融合方法.首先对多光谱图像进行IHS变换,将得到的亮度分量和高空间分辨率全色图像进行直方图匹配,并分别作多尺度Red-Black小波分解,然后对低频部分采用加权平均、高频部分采用替代的融合算法对分解子图像进行融合,最后对融合后的各级子图像进行Red-Black重构和IHS逆变换得到融合结果图像,采用客观性能指标对融合结果图像进行了评价.实验结果表明,该方法有较好的融合效果,其保持光谱质量和空间分辨率信息的能力比基于IHS变换融合方法、基于DWT的融合方法和基于IHS-DWT的融合方法都强.     

小波图像融合改善超声图像横向分辨率的研究

摘要：针对超声图像分辨率较低,尤其是横向分辨率低的特点,采用基于插值和小波图像融合相结合的方法对相控阵超声图像进行了多种方式的对比试验,结果表明：算法采用区域能量大小判定的设计思想对改善超声图像的分辨率是可行的,其中利用小波分解将经过插值放大的待融合图像分解为低频部分和高频部分,然后将低频部分采用平均法,高频部分采用区域能量最大的融合方式对改善超声图像的分辨率取得了较好的效果。     

小波图像融合改善超声图像分辨率

针对超声图像分辨率较低,尤其足横向分辨率低的特点,采用基于插值和小波图像融合相结合的方法对相控阵超声图像进行了多种方式的对比试验.结果表明:采用区域能量大小判定的设计思想改善超声图像的分辨率是可行的,其中利用小波分解将经过插值放大的待融合图像分解为低频部分和高频部分,然后对低频部分采用平均法,高频部分采用区域能量最大的融合方式,由此,极大地改善了超声图像的分辨宰.     

利用脉冲耦合神经网络的图像融合

为了获得对同一场景更为准确、全面和可靠的图像描述,提出了一种基于脉冲耦合神经网络(PCNN)的图像融合方法。将多源传感器图像配准后的各个源图像用9/7小波变换的提升算法进行分解,从而得到各个源图像的低频分量和高频分量。对于低频分量,采用像素绝对值选大法进行融合;而高频分量则作为PCNN的输入,在迭代结束后,通过比较PCNN点火次数得到一系列融合子图像;然后,用9/7小波的提升算法将获取的一系列多尺度融合子图像进行反变换得到最终的融合图像。设计了可见光图像与红外图像的融合实验,对融合图像的熵、平均梯度、标准差、空间频率进行了定量比较。当使用标准源图像进行融合时,各值比使用传统小波变换与PCNN相结合的图像融合方法分别高0.0104,0.2459,0.1131和0.2846。     

基于小波变换的零件图像数据融合

提出一种基于小波变换的图像数据融合的方法,对多源图像进行分解,将高频区域中的绝对值较大的系数作为重要小波系数;在低频区域,对逼近系数进行加权平均得到新的逼近系数,然后进行小波重构。实验表明,该方法是实用的。     

结合引导滤波和卷积稀疏表示的红外与可见光图像融合

为了解决红外与可见光图像融合时信息容易相互干扰、影响融合质量的问题,将引导滤波、高斯低通滤波与非下采样方向滤波器组相结合,提出一种新的图像融合方法。利用引导滤波和高斯低通滤波,将源图像分解为低频近似部分、强边缘部分和高频细节部分,并将高频细节部分进行非下采样方向滤波,进一步得到高频方向细节部分;对低频近似部分应用基于局部区域能量的融合规则,对强边缘部分提出一种基于卷积稀疏表示的融合规则,对高频方向细节部分提出改进的脉冲耦合神经网络的融合规则,得到相应的融合部分,并通过逆变换得到最终的融合图像。对多组红外与可见光图像的实验结果表明,算法得到的融合结果的主观视觉效果和客观评价指标均优于传统的图像融合方法,其客观评价指标中的标准差、信息熵、互信息、平均梯度和空间频率相比融合效果较好的基于离散小波变换和稀疏表示的融合方法平均提高20.28%、2.24%、47.41%、5.34%、8.02%。     

基于DCT变换的图像融合方法研究

提出了一种基于离散余弦变换(DCT)以及一种结合小波变换与DCT变换的图像融合新方法。前者将源图像进行分块DCT变换,依据DCT系数的高频能量,对源图像的对应区域进行融合。后者利用DCT系数的高频能量对小波分解后得到的低频子图进行融合,同时以此为依据对小波最高分解层的小波高频系数进行选择,其他分解层的小波高频系数依据最大局部方差准则进行融合。依照平均误差、峰值信噪比以及均方根误差等客观评价标准,将新方法与其他常用的基于小波变换或DCT变换的融合方法进行了比较。实验结果表明,结合小波变换与DCT变换的图像融合新方法获得的融合效果优于其他方法。该方法与常用的基于小波变换的融合方法相比,其平均误差减少了40.8%~69.5%,峰值信噪比提高了9.9%~15.6%,均方根误差减少了34.8%~47.5%,评价结果与目视效果相吻合,表明该方法能有效地提高图像融合的质量。基于DCT变换的图像融合新方法的融合效果仅次于结合小波变换与DCT变换的图像融合新方法且其计算量相对较少,适用于实时处理。     

零件多源图像特征提取和识别的研究

提出了基于小波变换的零件多源图像融合和提取零件图像特征的方法。首先,应用小波变换对多源图像进行多尺度分解,利用小波分解系数融合零件多源图像。然后,对融合图像进行多尺度边缘检测,被检测的图像分成若干个子区域并分别统计其中的边缘像素量,各区域中的相对边缘像素系数作为零件图像特征。最后,应用神经网络和网络技术,进行远程零件多源图像识别。实验结果表明,文中提出的方法是有效的。     

基于小波多尺度分解的区域图像融合及算法研究

提出一种新的图像融合方法,该方法首先利用小波变换对要融合的图像进行多尺度小波分解;然后对分解后的各层上不同频带的子图像采用不同的融合处理技术,即在低频域内采用平均算子进行融合处理,以保留图像的背景信息,在高频域内对分解后的小波系数矩阵采用区域特征进行融合处理;最后将融合的低频分量和高频细节分量结合进行小波逆变换得到融合图像。采用该融合算法对两幅不同位置聚焦的图像进行融合实验,结果表明,采用该方法可以得到较好的融合效果。     

基于小波变换纹理一致性测度的遥感图像融合算法

本文提出了一种基于小波变换的遥感图像融合算法，利用多分辨小波变换的系数，采用低频图像的小波系数最小值作为融合后的低频系数，高频图像根据纹理一致性测度的纹理检测确定融合规则，调整高频小波系数大小。利用小波变换对图像相对应的低频分量及各方向细节分量进行针对性融合处理，很好地将来自不同图像的特征与细节融合在一起，并对融合图像质量进行了对比评价。实验结果表明，这种方法能够在保留图像微小细节方面获得满意的结果，这种算法有效且优于传统的图像融合方法。     

基于三通道不可分对称小波的多聚焦图像融合

针对Daubechies系列小波不具有对称性、张量积小波变换只强调水平和垂直方向的不足,提出了一种基于三通道不可分对称小波的多聚焦图像融合方法.利用矩阵扩充的方法,给出了一种三通道不可分对称小波滤波器组的构造方法,用所构造的不可分小波滤波器组分别对多聚焦图像作非下采样多尺度分解,采用低频分量系数值取小、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.实验结果表明,该方法有较好的融合效果,其融合结果图像有较丰富的边缘信息、较高的清晰度和空间分辨力,其融合性能比基于不作采样的张量积离散小波帧变换的融合方法的融合性能好.     

多传感器图像融合的客观评价与分析

图像融合作为一种有效的信息融合技术，已经广泛用于军事、遥感、机器视觉和医疗诊断等领域。这里研究了多传感器图像融合效果的客观评价方法，其中包括均方根误差、平均误差、灰度标准差、熵、熵差、交叉熵、互信息和空间频率。将加权平均、金字塔、小波变换三种方法用于多传感器图像的融合，实验结果表明客观评价结果与视觉评价的结果是一致的，是一种行之有效的评价手段。     

结合目标提取和压缩感知的红外与可见光图像融合

针对红外与可见光图像融合易受噪声干扰从而使目标信息减弱的问题,提出了一种基于目标区域提取和压缩感知的融合算法。首先,在频率域上对红外图像进行显著区域检测得到其对应的显著度图,并在显著图指导下结合区域生长法提取红外图像的目标区域,有效抑制噪声与复杂背景的干扰。然后,用非下采样剪切波变换对待融合的图像进行分解,采用不同的融合策略分别对目标与背景区域的高、低频子带进行融合。针对背景区域提出一种新的基于多分辨率奇异值分解和压缩感知的融合规则,最后,进行非下采样剪切波逆变换得到融合图像。与其他算法的对比实验结果表明,本文算法能更好地突出目标区域,保留图像细节信息,抑制噪声干扰;图像质量评价指标中的信息熵、标准差、互信息、边缘保持度分别提高了3.94%,19.14%,9.96%和8.52%。     

Fusion of GFP and phase contrast images with complex shearlet transform and Haar wavelet‐based energy rule

Image fusion techniques can integrate the information from different imaging modalities to get a composite image which is more suitable for human visual perception and further image processing tasks. Fusing green fluorescent protein (GFP) and phase contrast images is very important for subcellular localization, functional analysis of protein and genome expression. The fusion method of GFP and phase contrast images based on complex shearlet transform (CST) is proposed in this paper. Firstly the GFP image is converted to IHS model and its intensity component is obtained. Secondly the CST is performed on the intensity component and the phase contrast image to acquire the low‐frequency subbands and the high‐frequency subbands. Then the high‐frequency subbands are merged by the absolute‐maximum rule while the low‐frequency subbands are merged by the proposed Haar wavelet‐based energy (HWE) rule. Finally the fused image is obtained by performing the inverse CST on the merged subbands and conducting IHS‐to‐RGB conversion. The proposed fusion method is tested on a number of GFP and phase contrast images and compared with several popular image fusion methods. The experimental results demonstrate that the proposed fusion method can provide better fusion results in terms of subjective quality and objective evaluation.