基于金字塔和HIS变换的图像融合研究

主要研究了基于拉普拉斯金字塔分解和HIS变换的图像融合方法,并将其应用于全色图像和光谱图像的融合中.通过对matlab仿真实验结果进行多种图像评价分析表明,该方法所获得的融合图像不仅保留全色图像中的细节信息同时还包含丰富的光谱信息,融合效果良好.     

基于改进拉普拉斯金字塔的图像融合方法

提出了一种新的基于改进拉普拉斯金字塔变换的图像融合算法。传统拉普拉斯金字塔变换的重构算法在图像在融合过程中会引入噪声,而改进的重构算法能有效抑制融合噪声。首先将图像进行拉普拉斯金字塔分解,得到各层拉普拉斯金字塔图像,针对不同的分解层图像,采用不同的方法进行融合,最后采用改进的拉普拉斯金字塔重构算法进行重构,得到最终的融合图像。通过仿真实验验证了算法的有效性。     

基于金字塔变换的图像融合方法

图像融合的目的是综合各个图像的互补信息,合并成一个新图像来改善图像的视觉效果,获得对同一场景更为准确、全面、可靠的图像描述.目前图像融合中常用的方法有加权平均法、调制法、小波变换法、HIS假彩色法等.文中提出一种新的图像融合方法:首先利用拉普拉斯金字塔分解方法对原始图像进行多分辨率分解,然后采用基于区域特征量测的方法对分解后的各层图像进行融合,在此基础上,对融合金字塔做拉普拉斯金字塔反变换得到最后的融合图像.通过实验,证明了该方法能够取得很好的融合效果,融合质量优于其他几种方法.     

基于易操纵金字塔的多传感器图像融合

针对目前传统方法在图像未完全配准时融合效果差的问题,提出了一种基于易操纵金字塔的多传感器图像融合方法。首先,对多光谱图像进行易操纵金字塔分解;然后,恰当地合并分解得到子带图像系列来构造融合图像对应的易操纵金字塔,并通过逆变换重构融合后图像。最后利用熵和空间频率对该方法的融合性能进行了评估分析,并与基于拉普拉斯变换和小波变换的图像融合方法进行了比较。实验结果表明,该方法综合性能优于基于拉普拉斯变换和基于小波变换等传统图像融合方法,图像未完全配准情况下也能获得好的融合效果。     

基于金字塔方法的图像融合原理及性能评价

阐述了基于拉普拉斯金字塔和对比度金字塔图像融合的原理和方法,把这两种方法应用于不同聚焦图像的融合以及蓝光波段和红外波段的卫星遥感图像融合,并对融合图像质量进行了对比评价,得出了这两种融合方法的各自特点。     

基于PCA的拉普拉斯金字塔变换融合算法研究

阐述了基于主元分析的拉普拉斯金字塔图像融合的原理和方法：对原图像分别进行拉普拉斯金字塔分解,分别对高频部分采用主元分析（PCA）法融合,对低频部分采用平均梯度法进行融合,对拉普拉斯金字塔做反变换得到最终的融合图像。通过对可见光与红外图像的融合,以及对不同焦距图像融合的结果分析,该算法比单纯的PCA和拉普拉斯图像融合能得到具有更多有用信息的高对比度的融合图像。     

基于拉普拉斯金字塔变换的电力图像融合

提出了一种改进的拉普拉斯金字塔算法。为了防止目标信息丢失,该算法对顶层采用经过遗传算法优化的加权融合方法,对其它层采用加入相位信息的区域能量融合方法。实验结果表明该算法能保留较多的图像细节信息,增强图像清晰度,方便目标检测。     

基于量子力学和拉普拉斯金字塔的图像融合方法

针对数字图像的融合问题,研究一种基于量子力学理论的图像分解方法,并将其结合拉普拉斯金字塔变换,提出一种新的图像融合方法.先把2幅灰度图像表示成量子比特的形式,然后把每幅图像分解成4幅特征子图,根据分解后特征子图的不同含义,使用不同的融合策略分别对子图进行融合.其中一幅子图使用拉普拉斯金字塔变换进行融合,另外3幅子图使用区域梯度取大法进行融合,最后通过重构得到融合图像.仿真实验表明该方法融合效果较好,在主观视觉感受和客观评价指标上均优于传统的图像融合方法.     

基于拉普拉斯金字塔和CNN的医学图像融合算法

医学图像融合技术因其包含多模态的图像信息,在临床应用中起着越来越重要的作用。医学图像融合效果符合人类视觉感知,减少先验知识对融合效果的影响和增强细节表现力一直是努力的方向。提出基于拉普拉斯金字塔和卷积神经网络的医学图像融合方法,针对图像伪影的问题采用区域拉普拉斯金字塔,为保存更多的细节信息并使参数自适应,对卷积神经网络进行改进。将源图像分别输入区域拉普拉斯金字塔进行分解,采用改进的卷积神经网络生成最优权重图指导融合过程,通过逆过程生成融合图像。实验结果表明,提出的方法在主观视觉和客观评价指标上都取得了良好的融合效果。     

基于图像金字塔的分维融合算法

数据融合是进行目标检测和识别的重要技术之一,但是在融合过程中不可避免地会产生信息损失。如何保留尽可能多的有用信息,关键在于融合算法的选取。由于图像金字塔中不同级的图像之间具有自相似性,而自相似性又是分形分维的基础。于是,根据图像金字塔的特点,提出了一种新的图像融合方法——基于图像金字塔的分维融合算法,将不同源图像分别分解成不同尺度的金字塔图像序列,在相应的尺度上以分形分维作为权系数进行融合,并采用中波红外和长波红外图像作为源图像进行融合实验,实验结果表明该方法是可行的。     

基于拉普拉斯金字塔与PCNN-SML的图像融合算法

基于拉普拉斯金字塔(LP)与脉冲耦合神经网络(PCNN)变换,提出了一种有效的多聚焦图像融合算法。首先,利用拉普拉斯金字塔对图像进行对多尺度分解,并利用PCNN对每一尺度的分解图像进行处理,以获取描述特征聚类的神经元点火频率图;然后,利用点火频率图的局部拉普拉斯分量绝对和(SML),实现了图像每一尺度LP分解的融合;最后,通过LP分解的重构实现了对多聚焦图像的融合。实验结果表明,所提方法在各项客观评价指标上均优于传统融合算法,体现出了良好的性能。     

基于高斯金字塔和拉普拉斯金字塔融合的图像对比度增强算法研究

为了实现对图像的降噪,兼顾全局整体增强和局部细节增强,首先定义输入图像的对比度度量模型和亮度度量模型,然后构造标量权重映射,并进行归一化处理,接着综合利用高斯金字塔和拉普拉斯金字塔,制定融合规则,利用融合金字塔重构图像,实现图像增强。     

基于金字塔的图像恢复算法

针对图像传输的丢包问题，基于拉普拉斯金字塔，本文提出一种双向塔式恢复算法。该算法构建双向金字塔数据模型，引入权值矩阵，滤波提取低频系数，插值恢复高频系数。实验证明，在丢包条件下，该算法比拉普拉斯金字塔算法恢复图像质量的性能有较大提高。     

基于拉普拉斯金字塔的图像细节增强

拉普拉斯金字塔被广泛地运用于到多尺度的图像分解和图像分析中,但由于拉普拉斯金字塔的构成是在高斯金字塔的基础上演变而来的,它被认为是不适合于应用到边缘保持平滑的感知操作中。为了解决这些问题,许多方法已被提出。虽然这些方法被证明是成功的,但他们常伴有较高的计算成本或是需要后期处理。我们算法是运用边缘像素值来区分大型边缘上的小规模细节。在这个结果的基础上,我们提出了一套图像过滤器,以实现图像的细节增强,我们做法的优势是算法的简单性和灵活性,并且不会降低边或引进光晕。     

基于纹理特征的拉普拉斯金字塔形微波遥感图像融合

提出基于图像纹理特征（条件信息）的拉普拉斯金字塔区域式融合方法,充分利用拉普拉斯金字塔形融合法多分辨率分析的优势以及微波遥感图像乘性相干斑噪声完全发育的特点,并将其应用于复杂城区不同极化方式的微波遥感图像的融合处理,将融合结果与基于图像方差、熵值和边缘特征的融合结果进行对比,显示了较低的平均误差、较小的交叉熵、较高的峰值信噪比和较大的相关系数,验证了其可行性和有效性。     

基于GPU的高速图像融合

为了解决在CPU下实现多分辨率图像融合的传统方法速度过慢的问题,分析了基于塔型分解的图像融合的处理过程,发现其处理子过程中的数据具有密集性和独立性,且分支逻辑控制较少,恰好可充分利用GPU强大的并行处理能力.因此,将基于塔型分解的图像融合的子过程进行了并行化处理,提出了其在GPU上的实现方法,并根据GPU的硬件结构对实现方法进行了优化.最后,与在CPU上的实现结果进行了对比分析,该方案可获得27倍的加速比.     

基于虚拟图像金字塔序列融合的快速图像增强算法

针对图像增强算法的快速计算问题,文中提出一种"全局尝试、局部精炼"的图像增强策略,利用虚拟图像金字塔序列融合方法构建出一种具有高度可扩展性和线性时间复杂度的图像增强算法框架.在此框架下,输入图像先经过各种全局增强重映射函数的处理而形成备选图像序列,再依据像素级保边缘图像融合规则从该图像序列中精选出有效像素信息,形成最终的图像增强结果.为避免光环效应,所有图像融合计算都在输入图像的拉普拉斯金字塔分解域上进行.通过对局部拉普拉斯滤波算法进行加速的实际应用表明,文中提出算法框架可导出一种快速保边缘图像增强算法,其处理效果与原局部拉普拉斯滤波算法极为相似,但计算速度提高了两个数量级.     

一种基于HT系数预测的遥感图像多分辨融合方法

信息融合的概念自70年代形成后,由于其强调应用对象结果的信息优化,在许多方面比传统的信息处理方法有更大的优势,在遥感领域得到了广泛的应用。本文在分析前人算法的基础上,揭示了高斯拉普拉斯金字塔（GLP）结构融合方法与传统的哈达玛变换（HT）之间的内在联系,提出了一种基于HT系数预测的多分辨融合方法。通过实验表明,这一算法对于光谱差异较大的遥感图像的融合,在几何分辨率改善的同时可获得较好的光谱保真度。     

视觉显著性检测与金字塔变换相结合的图像融合

提出了一种利用人类视觉机制进行图像融合的算法。首先对源图像进行金字塔分解;接着对低频和高频分量采用不同的融合策略,低频分量依据最大显著性准则选择融合像素,高频分量利用相关性加权准则选择融合像素。初步融合后的低频和高频分量经金字塔重建获得最终融合结果。金字塔变换可提供多分辨率的图像表示,但不区分图像区域的重要性;而视觉显著性检测可定位图像最显著区域,但对噪声敏感;两算法的结合能取长补短,获得好的融合结果。实验表明,提出的方法优于已发表的其他基于金字塔变换的图像融合算法,适用于多聚焦图像、多波段图像和多光谱图像融合。