无需重构的多分辨率图像融合算法(英文)

提出了一种基于平稳小波变换的多聚焦图像融合算法。首先对待融合图像进行平稳小波分解,得到图像尺寸相同的低频分量和高频分量,然后对低频分量使用拉普拉斯能量进行清晰度判断,对于高频分量,则先计算其各个尺度,不同方向高频分量的绝对值和,进而通过能量特征判断其清晰度,最后通过比较低频分量和高频分量清晰度决策图的相同和相异性得到融合图像。计算机仿真实验表明,本文算法得到的融合图像清晰度较好,熵、平均梯度、空间频率和互信息等客观评价指标值高于平均法和传统基于小波变换的图像融合算法,互信息量比文献[3]中的方法提高了约2.4倍,是一种有效的多聚焦图像融合算法。     

基于梯度权重规则的IHS变换与小波变换结合算法

针对多光谱图像与全色图像的融合,本文在认真分析了IHS变换、小波变换,以及基于梯度绝对值最大准则的IHS变换与小波变换结合算法的基础上,提出了一种基于梯度权重规则的改进算法.在使用小波变换融合多光谱图像I分量与全色图像时,计算二者高频细节分量的梯度作为权重,实现高频细节信息的融合;低频近似分量采用经验调节权系数的方式,运用加权和准则融合获得.融合所得新I'分量与之前多光谱图像IHS变换分离出的色度H和饱和度S进行逆变换,生成最终的融合图像.实验结果表明,该方法在保留多光谱图像光谱信息的基础上,有效地增强了融合图像的空间细节表现能力.     

基于小波系数邻域特征的CT与MR图像融合方法

提出一种基于小波变换的像素级CT,MR医学图像融合方法,利用离散小波变换分别将两幅源图像进行多尺度分解,再用不同的小波系数邻域特征指导高频分量和低频分量的小波系数的融合,低频分量采用邻域方差指导,高频分量采用邻域能量指导,最后根据融合图像的各小波系数重构融合图像.实验表明:不论从主观感受,还是采用信息熵和平均梯度两项指标作为客观定量评价标准,该方法都优于传统的融合方法,获得的融合图像有效地综合了CT与MR图像信息,能够同时清晰地显示脑部骨组织和软组织.     

双正交小波变换多分辨率图像融合方法

为了避免常规正交小波变换所引起的图像边缘失真,特别采用了双正交小波变换进行图像的多分辨率分解。在融合处理时,为了获得更丰富的细节和更好的融合效果,对不同分解层、不同方向上的高频分量以及同一分解层图像中的不同区域均采用不同的融合算子。实验结果表明,该融合方法和融合规则是十分有效的,融合后图像的边缘和纹理细节都更加突出。     

一种基于Directionlet变换的图像融合算法

为了提高图像融合效果,提出了一种基于Directionlet变换的图像融合算法.首先对已配准的待融合源图像由给定的生成矩阵分别进行陪集分解,得到每个陪集对应的子图;接着将每两个子图相减,得到源图像的高频和低频分量,其中边缘、纹理等奇异特征包含在高频分量中;然后对低频分量采用直接平均融合的方法进行系数选择,对高频分量选择子区域边缘信息较强的系数;最后,通过Directionlet陪集分解的反变换,得到融合后的图像.多聚焦图像融合实验表明,在主观视觉上,该算法明显更好地融合了边缘等图像特征,从而较好地保持了左右聚焦图像各自的细节信息;在客观评价上,通过熵、平均梯度、标准差和互信息量等性能参数比较,该方法也优于小波变换和其他的融合方法.     

基于Curvelet变换的多聚焦图像融合方法

由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像.多聚焦图像融合技术可有效地解决这一问题.在分析了传统多聚焦图像融合方法和Curvelet变换的原理后,提出了一种基于Curvelet变换的多聚焦图像融合方法,先对不同聚焦图像分别进行Curvelet变换,采用低频系数取平均,高频系数取大的融合规则,再进行Curvelet反变换得到融合结果.仿真试验表明,基于Curvelet变换的融合方法可有效综合多聚焦图像,相比小波变换法,获得了更好的融合效果.     

改进提升小波变换的空间频率比图像融合

提出了一种新型图像融合算法.该算法在提升小波变换的基础上,通过取消其奇偶分裂环节,得到具有平移不变性的非采样提升小波变换.对图像经非采样提升小波变换后的低频分量首先定义一种空间频率比,再通过空间频率比来计算融合因子,然后采用加权与选择相结合的方法对低频分量进行融合.高频分量直接选择一种基于边缘信息的加权融合方法.最后通过非采样提升小波逆变换重构得到融合图像.实验结果显示,该算法相对传统的图像融合算法能更好地描述灰度的突变信息,获得含有丰富细节特征的融合图像.     

提升静态小波与自适应PCNN相结合的图像融合算法

提出了一种新的基于提升静态小波变换与自适应PCNN相结合的图像融合算法.该方法定义一种图像单个像素的清晰度作为PCNN的链接强度,使得PCNN能根据像素清晰度的变化来自适应地调整链接强度的大小,接着对图像经提升静态小波分解得到的低频子带系数的改进拉普拉斯能量和及高频子带系数的单个像素的灰度值,分别作为自适应PCNN神经元的外部输入,并根据点火次数来确定图像融合系数.最后由提升静态小波变换的逆变换得到融合图像.实验表明,该方法在视觉效果和客观评价指标上都优于传统的基于小波变换、提升静态小波变换、提升静态小波-PCNN的图像融合算法.     

基于粒子群优化算法的多聚焦图像融合

现有融合方法的融合规则不能根据图像的后续使用目的进行自适应调整,不同融合方法的优点也不易综合,为解决这些缺点,提出一种基于粒子群优化算法的融合方法.该方法首先把利用DBSS(2,2)离散小波变换和梯度金字塔融合方法分别产生的图像一起作为初始粒子,然后根据后续处理的要求来构造由多个图像评价指标的加权和所组成的目标函数,再利用粒子群优化算法来优化目标函数从而获取最终的结果图像.两组实验从主观视觉和定量评价指标(标准方差、平均梯度、熵、空间频率,相关系数、均方交叉熵等)两方面证明了该方法的有效性.     

基于复合激励模型的Surfacelet域多聚焦图像融合方法

针对基于传统多尺度分析对图像分解得到的方向子带数量较少,抑制噪声能力弱,融合图像边缘连贯性不好的缺点,本文提出一种基于Surfacelet变换和复合激励模型的多聚焦图像融合方法。通过分别将两幅图像经Surfacelet变换后得到若干不同频带子图像,该方法根据低频子带和高频子带的特点,建立复合激励模型,即分别把改进的拉普拉斯能量和与空间频率作为复合型PCNN的外部激励,采用复合型PCNN优选融合系数,改善融合效果。获取的融合图像的灰度级分布更加分散,图像纹理连贯,细节突出。实验结果表明,该算法克服传统多聚焦图像融合方法的缺陷,客观评价指标显示本方法优于Laplace、DWT和PCA等传统图像融合方法。     

一种抽样小波域的遥感影像融合新方法

针对传统图像融合方法的不足,提出了一种新的基于IHS变换与抽样小波变换的高清晰遥感影像融合方法.该方法将直方图匹配后的全色影像的高频系数作为融合后的高频系数,而融合后的低频系数依据新提出的融合规则得到,最后采用小波逆变换与逆IHS变换获得融合图像.实验结果表明,该方法在提高融合影像的空间分辨率与光谱质量之间得到了更好的折衷.该方法的计算复杂度接近于常用的基于抽样小波变换的融合方法,明显少于基于非抽样小波变换的融合方法.     

Image fusion based on wavelet transform and gray-level features

Image fusion makes the fused image more reliable and intelligible, and more suitable for human vision and computer detection, classification, recognition and understanding. This paper proposes a pixel-level image fusion method for merging two source images of the same scene using wavelet transform and gray-level features (GLF). First, a three-level discrete two-dimensional wavelet transform is used to decompose the two source images into low-frequency image components and horizontal, vertical, and diagonal high-frequency components. Then, the spatial frequency correlation coefficient is used to determine the pixel fusion rule to apply to each of the low-frequency images, and the correlation coefficient of the GLF is used to determine the pixel fusion rule to apply to each of the high-frequency images. Finally, the fused image is reconstructed using inverse wavelet transform. The results of the experiments conducted indicate that the proposed method is more effective than relevant conventional methods.     

Improving medical image fusion method using fuzzy entropy and nonsubsampling contourlet transform

Many types of medical images must be fused, as single‐modality medical images can only provide limited information due to the imaging principles and the complexity of human organ structures. In this paper, a multimodal medical image fusion method that combines the advantages of nonsubsampling contourlet transform (NSCT) and fuzzy entropy is proposed to provide a basis for clinical diagnosis and improve the accuracy of target recognition and the quality of fused images. An image is initially decomposed into low‐ and high‐frequency subbands through NSCT. The corresponding fusion rules are adopted in accordance with the different characteristics of the low‐ and high‐frequency components. The membership degree of low‐frequency coefficients is calculated. The fuzzy entropy is also computed and subsequently used to guide the fusion of coefficients to preserve image details. High‐frequency components are fused by maximizing the regional energy. The final fused image is obtained by inverse transformation. Experimental results show that the proposed method achieves good fusion effect based on the subjective visual effect and objective evaluation criteria. This method can also obtain high average gradient, SD, and edge preservation and effectively retain the details of the fused image. The results of the proposed algorithm can provide effective reference for doctors to assess patient condition.     

改进的Shearlet变换耦合频率特征的图像融合算法

目的解决当前图像融合算法大都直接在图像的像素灰度空间上进行融合,导致融合图像存在视觉效果差及算法鲁棒性不强等问题。方法文中提出改进的Shearlet变换耦合频率特征的多聚焦图像融合算法。将Shearlet变换(ST)和非下采样小波变换(NSWT)进行融合,形成改进的Shearlet变换(ST-NSWT)对源图像分解,获取图像的低、高频子带系数;构建区域能量模型,对源图像之间的低频子带系数进行相关性度量,完成低频子带的融合;对高频子带的频率特征进行分析,建立方差模型、平均梯度模型、空间频率模型,分别对源图像的灰度相关性、清晰度相关性及活跃度相关性进行测量,完成高频子带的融合,最后通过ST-NSWT逆变换,输出融合图像。结果与当前多聚焦图像融合算法相比,文中算法融合的图像能较好地保留更多的细节及边缘信息,使融合图像具备更佳的视觉效果。结论所提算法具有更好的融合质量,可用于遥感探测与包装印刷检测等领域。     

一种采用多个小波基的图像融合去噪方法

提出了一种新的基于多个小波基的图像融合去噪方法.首先利用多个不同的小波基对含噪图像进行阈值去噪,得到多幅恢复图像.然后对这些图像采用小波融合方法进行融合.对于低频系数采用基于边缘的融合算法,在多幅恢复图像中选择最有可能是边缘的点加以保留;对于高频系数,采用了平均的融合算法.最后得到一幅去噪图像.实验结果表明,无论是在视觉效果上还是在峰值信噪比定量指标上该方法去噪效果均明显优于单一小波基去噪.     

Canny准则小波边缘检测在图像融合中的应用

提出了一种新的图像融合方法。该方法选择Canny准则作为边缘检测的基础,并结合小波变换算法,确定图像边缘位置。在小波域中,对高频信息依据其是否为边缘点采用不同的融合策略,对低频信息利用加权法进行融合,再进行小波逆变换重构融合图像。实验结果表明,提出的算法在抑制噪声的同时,能有效地突出边缘细节,更好地保持图像的空间分辨力。对于多聚焦图像的融合,偏差度为0.0520,熵为7.6609,相似度达到0.9985。     

基于边缘信息的偏振图像融合算法及评价

偏振遥感图像通常都采用强度、偏振度、偏振角来表征目标偏振特性.本文提出的基于边缘信息的偏振图像融合算法是将三幅偏振图像利用离散小波变换把图像分解成不同尺度的低频和高频部分,采用小波区域窗口和子区域窗口统计把小波系数分类成边缘和非边缘系数,通过这些方法进行有效的边缘细节信息提取.在融合处理中,低频图像的小波系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的窗口区域方差来确定融合后高频小波系数.仿真实验结果表明,这样使得融合后的图像细节更真实更丰富,图像的偏振特性体现更为充分,同时减少对源图像的预处理要求,使图像在整体上有较好的视觉效果.从而证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,且算法有效性优于其他的图像融合方法.     

基于NSST和SWT的红外与可见光图像融合算法研究

目的鉴于非下采样剪切波变换NSST的红外与可见光图像融合的结果存在细微特征缺失问题,提出一种基于NSST和SWT的红外与可见光图像融合算法,以提升融合图像的质量。方法首先分别对红外与可见光图像进行NSST分解,各得到一个低频系数和多个不同方向、尺度的高频系数。然后低频系数分别通过SWT分解得到新的低频系数和高频系数,通过SWT分解得到的新的低频系数和高频系数分别采用采用线性加权平均法和区域平均能量取大的融合策略,融合结果再进行SWT逆变换得到低频系数融合结果。高频系数采用区域平均能量取大的融合策略进行融合。最后通过NSST逆变换得到最终的融合图像。结果通过仿真实验结果表明,文中算法与NSST,SWT和NSCT等算法相比,融合图像在主观视觉上的红外目标更突出,图像细节更清晰,且在IE, AG, QAB/F, SF和SD等评价指标上也最优。结论文中算法的融合结果能更好地表现源图像的目标信息和细节纹理信息,表明该算法具有优越性。