基于小波变换的Cycle Spinning图像融合的扩展研究

Cycle Spinning是在图像去噪时使用的一种消除伪吉布斯（Pseudo-Gibbs）现象的方法,目前的文献中较少有使用该方法进行图像融合的研究。尝试结合小波变换和Cycle Spinning循环平移的思想,提出了一种基于小波变换的Cycle Spinning图像融合方法,并在此基础上对平移进行了扩展研究。仿真实验证明该方法与传统DWT方法相比,能较好地保留图像的细节信息,获得更高的PSNR值。     

基于小波Contourlet变换和区域能量融合规则的图像融合算法*

利用小波-Contourlet变换的多尺度和多方向性特征以及基于区域能量的融合规则在选取融合系数上的优势,提出了一种基于小波-Contourlet变换和区域能量融合规则的图像融合算法,并引入Cycle Spinning来消除变换缺乏平移不变性而引起的图像失真。实验结果表明,该算法明显降低了融合图像的RMSE值,减少了运算时间,达到了良好的视觉效果。     

基于小波变换和Cycle Spinning图像放大算法

提出一种基于小波变换和Cycle Spinning的图像放大算法。该算法对放大后图像进行初始估计,对估计图进行小波变换,并用Cycle Spinning去除图像中因小波变换而产生的伪吉布斯现象,进行小波逆变换得到放大图像。数值实验结果证实该方法在放大图像的同时也增强了图像的清晰度和对比度,能够有效提高放大图像的RMSE及PSNR,该方法也适用于带噪图像的放大。     

一种基于DCT Cycle Spinning的图像压缩方法

综合利用DCT变换和Cycle Spinning,提出一种新的图像压缩方法。由于图像的DCT压缩是分块完成的,且DCT变换缺乏平移不变性,直接应用DCT变换对图像进行压缩会使压缩重构图像产生块效应和伪吉布斯现象,导致图像失真。引入Cycle Spinning算法能有效地消除图像DCT压缩过程中产生的失真。实验结果表明,与一般图像DCT压缩方法相比,该方法明显改善图像视觉效果,显著提高图像的PSNR值。     

多聚焦图像融合的Contourlet变换方法

Contourlet变换（Contourlet Transform,CT）是一种新的多尺度变换,具有良好的多尺度性和多方向性。提出了一种基于Contourlet变换的多聚焦图像融合算法,同时引入Cycle Spinning来有效地消除由于Contourlet变换缺乏平移不变性而产生的图像失真。实验结果表明该算法可获得较理想的融合图像,取得了优于laplacian塔型方法和小波变换方法的融合效果。     

基于剪切不变的递归Contourlet变换图像去噪

根据综合剪切和递归Cycle Spinning技术,提出一种基于剪切不变的递归Contourlet变换图像去噪方法(RSICT).为改善图像去噪由于缺少平移不变性而产生的伪吉布斯效应,使用剪切替代平移技术来提取图像中原有的几何特征,将递归Cycle Spinning方法运用在剪切技术中给出剪切不变思想,并将其用于Contourlet域图像去噪.对于被加性高斯白噪声污染的图像,实验中将RSICT方法与平移不变小波、平移不变Contourlet等方法进行了比较,结果表明在大多数情况下,RSICT的PSNR结果相比这些方法高出0.1至1.2dB,并保持良好的视觉效果.     

基于小波-Contourlet变换的智能监控图像融合的增强方法

智能监控图像已经成为图像实际应用中不可或缺的一项工作,为了获得更好的增强效果,提出了一种基于小波-轮廓波(小波-Contourlet)变换的图像融合的图像增强方法,并且与图像循环平移(Cycle Spinning,CS)相结合,提高信噪比,更好地体现图像的边缘和纹理等特征信息。在Matlab环境下进行仿真实验,结果表明,这种算法能够获得更高的信噪比,使视觉效果得到明显的改善。     

基于快速离散曲波变换的图像去噪算法

Curvelet变换可以更好地表示曲线奇异函数的异向性及图像边缘,因此更适合于多尺度图像去噪。针对传统阈值法存在的不足,在分析wrapping方法的快速离散曲波变换基础上,提出结合Cycle Spinning循环平移方法的菱形块阈值规则去噪法,并自适应地对不同的Curvelet子块进行阈值化。该方法可以消除由于Curvelet变换缺乏平移不变性而产生的图像失真,并且更好地利用曲波系数的相关性。实验结果表明,该方法与传统的小波去噪、曲波硬阈值去噪、曲波软阈值去噪、曲波软硬阈值折中法去噪相比,使得去噪图像的峰值信噪比更高,视觉效果更好。     

融合分形小波图像去噪和插值的新算法

提出一种能同时进行图像去噪和插值的分形小波算法。该算法在图像的编码过程中实现去噪,在解码过程中完成插值。基于分形的图像去噪算法涉及由含噪图像的统计特性预测无噪图像的分形编码参数,并由这一参数产生含噪图像的无噪估计。通过在解码过程中添加适量的分形小波外推步骤,即可实现图像的插值。为了减小失真、增强经此算法处理后图像的质量,该引入Cycle Spinning算法。实验结果表明,该方法在同时实现图像去噪、压缩和插值上是最优的。且Cycle Spinning算法的引入明显改善图像视觉效果,显著提高图像的PSNR值。     

基于曲波变换的图像去噪新算法

比较了小波变换和曲波变换,指出小波变换只具有点状奇异性的不足之处和曲波变换具有多尺度各向奇异性的优点,分析了现有的基于曲波变换的图像去噪方法,并对目前基于曲波变换的去噪算法进行了改进,提出结合Wrapping和Cycle Spinning的WCSCurvelet去噪新算法.仿真实验的结果证实了该算法减少了伪Gibbs现象,较好地保留了图像的细节和纹理,获得了更好的视觉效果和更高的峰值信噪比.     

基于突变微粒群算法的图像融合技术

文中利用突变微粒群算法进行图像融合;将图像融合问题转化为优化问题,通过使目标函数(平均梯度)最大以求得好的融合效果;并以离散平稳小波变换代替传统的离散小波变换,以克服离散小波变换缺乏平移不变性的缺点;先对源图像进行离散平稳小波分解,细节部分利用能量系数矩阵进行融合;对于近似部分,利用突变微粒群算法求出最优权值对近似部分进行加权融合;实验结果表明,该方法的融合效果优于传统的融合算法。     

基于K-L变换的小波图像融合方法

在多源信息融合中,小波多分辨率分析是一种最常用的方法.这里提出在小波多分辨率分析下,利用K-L变换的融合方法.首先利用小波变换对序列图像进行多分辨率分解,对相应的小波系数矩阵进行K-L变换,计算出小波系数权重.按照所得的权重融合小波系数,最后将小波融合系数逆变换实现图像的融合处理.实验结果证实这种方法有效的利用了图像的相关性,主观视觉效果分析和客观统计参数评价分析都表明,新方法的性能优于直接对小波系数进行平均的融合方法.     

基于Sobel算子的小波包变换遥感图像融合算法

针对遥感图像融合时图像的空间信息与光谱信息不易兼容的问题,在小波包变换的基础上提出了一种基于Sobel算子的图像融合算法。该方法将多光谱图像与高分辨率图像进行小波包变换,根据阈值选用不同的融合准则得到小波低频系数,利用Sobel算子提取图像高频特征值,采用最值法获取高频系数。实验结果表明,所提算法优于传统的HIS(Intensity,Hue,Saturation)变换、小波变换以及两者结合的方法,在较好地保留图像光谱信息的同时,进一步增强图像的细节信息、边缘特征,从而提高图像的清晰度。     

基于小波变换的图像多尺度数据融合

现有的图像数据融合方法对目标检测并不十分满意，为了提高目标检测的分辨率，抑制每个传感器的检测噪声，提出一种基于小波谱换的图像数据融合新方法，在图像分解的高域风，选择多源图像绝对值较大的系数作为重要小波系数，在低频域内，新的逼近系统通过对多源图像的逼近系数进行加权平均得到，然后利用重要小波系数和加权逼近系数进行小波反变换，即可得到融合之后的图像，实验结果表明，基于小波变换的图像数据融合方法具有良好的效果，并用于广泛的研究领域。     

基于HSV和红黑小波变换的多光谱图像融合

提出一种基于HSV和红黑小波变换的多光谱图像融合方法。对多光谱图像进行HSV变换,将得到的明度分量和全色图像做多尺度红黑不可分小波分解。采用不同的融合算子对高低频分量进行融合,对融合后的图像进行红黑重构和HSV逆变换得到融合结果,并采用客观性能指标对融合结果进行评价。实验结果表明,该方法对多光谱图像和高空间分辨率图像有较好的融合效果。