基于灰色关联度的提升小波域图像融合算法

针对多聚焦图像,提出了一种基于提升静态小波变换(Lifting Stationary Wavelet Transform,LSWT)和灰色关联度相结合的图像融合算法.首先将待融合的两幅图像分别进行提升静态小波变换,低频分量采用平均法融合.其次针对低频分量和各个方向的高频分量,分别计算以每个像素为中心的方块的能量和均值.然后按照一定的融合规则,分别得到高频分量融合后的值.最后进行提升小波逆变换,得到融合后的图像.实验结果显示,该方法融合效果较好,优于传统算法.     

基于多尺度几何分析的医学图像融合

针对医学图像,提出了一种基于多尺度几何分析的医学图像融合算法。首先,利用Contoutlet变换对待融合两幅图像进行分解,将得到的低频分量分别利用Shearlet变换分解,并采用区域能量加权平均的规则,进行一次融合得到融合低频分量;对得到的高频分量分别用小波变换进行分解,再用低频、高频取大的规则进行一次融合得到融合高频分量,最后对得到的融合高低频分量进行Contourlet逆变换得到融合结果。实验结果表明,该算法在信息熵和平均梯度等参数上有明显提升,且能更好地表征图像中不同的奇异性。     

基于三次B样条提升方案的图像融合算法

提出了一种基于三次B样条提升方案的图像融合算法,该算法是对三次B样条小波基进行提升,采用一定的融合决规则对高频分量和低频分量进行融合.高频分量采用多尺度下邻域方差法来计算,低频分量采取求平均的方法进行融合,最后将三次B样条提升算法与传统的小波变换算法的融合图像和参数指标进行比较,实验表明不论从视觉效果,还是采用信息熵,联合熵和平均梯度作为评价标准,都优于传统的小波变换法.     

一种基于提升小波变换的图像融合新算法

提出了一种基于提升小波变换的图像融合新算法.该算法对多源图像进行提升小波分解,并针对分解后的低频和高频分量各自的特点,选用不同的规则进行融合,即低频近似系数采用基于邻域空问频率加一致性检验,高频细节系数采用基于像素点的绝对值取最大,最后进行提升小波逆变换得到融合图像.实验结果表明,当采用空闻频率误差比率和平均梯度作为客观评价标准,该算法具有良好的融合效果.     

结合提升静态小波和灰色关联分析的图像融合算法

本文针对多聚焦图像,提出了一种基于提升静态小波变换（lifting stationary wavelet transform,LSWT）和灰色关联度相结合的图像融合算法。首先将待融合的两幅图像分别进行提升静态小波变换,低频分量采用平均法融合,其次再针对低频分量和各个方向的高频分量,分别计算以每个像素为中心的方块的能量和均值,然后计算低频分量的能量和均值构成的序列与高频分量的能量和均值构成的序列之间的灰色欧几里德关联度。按照一定的融合规则,分别得到高频分量融合后的值,最后进行提升小波逆变换,得到融合后的图像。实验结果显示,该方法融合效果较好,优于传统算法。     

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。     

基于多尺度变换的直觉模糊推理图像融合算法

提出了基于多尺度变换的直觉模糊推理医学图像融合方法,针对4种多尺度变换对图像融合的影响进行了分析。文中融合算法是利用4种多尺度变换对待融合图像进行分解,并对得到的低频分量和高频分量采用直觉模糊推理融合规则进行处理,最后将融合后的低频分量和高频分量经逆变换得到融合图像。实验结果表明本文算法优于传统的模糊推理图像融合算法,并且在变换域中,Contourlet变换下的融合结果要优于其它3种变换。     

基于小波变换的图像融合算法的实现

提出了一种基于小波变换的融合算法,算法针对小波变换后的低频分量和高频分量的不同特点,选用了不同的准则进行融合,通过小波逆变换得到融合图像.实验结果表明,这种算法充分考虑了小波变换的特点和人眼视觉特性,具有增强图像的空间细节能力,融合效果良好.     

采用提升方向波变换的异源图像融合新算法

方向波(Directionlet)变换是一种基于格子的歪斜小波变换,与标准二维小波变换相比,它具有多方向性和各向异性,能够更好地描述图像的特征.针对异源图像融合这一研究热点,提出了一种新的基于方向波变换的图像融合方法,并采用提升算法有效地解决了该变换方法的运算速度问题.首先,对已配准的两幅图像分别沿变换和队列方向进行次数不等的提升变换,得到具有各向异性的子图;然后,采用低频子图直接平均融合,高频部分选择具有较强各向异性信息分量的方法得到融合图像的所有方向波变换系数;最后,经过反变换得到融合图像.实验结果表明:该算法的融合效果和运算速度都优于标准小波变换和其他的二代小波变换.     

基于小波变换和彩色变换的多聚焦图像融合

提出一种结合小波变换及彩色空间变换的多聚焦图像融合方法。首先把彩色图像从RGB空间变换到YIQ空间,将颜色分量与亮度分量进行分离,从而克服RGB空间各颜色分量的相关性造成融合后图像颜色信息的丢失和错乱;接着,将待融合的多聚焦图像进行小波分解以刻画图像的多尺度信息,在小波域实现融合处理。在融合策略的选取上,对高频分量与低频分量分别采取局部方差与局部梯度最大的融合规则,同时以亮度分量Y作为衡量标准,通过一致性检测对融合系数做进一步的优选,以保持融合后图像的区域连续性。实验表明,该方法的融合结果无论在视觉质量及定量指标上都明显优于传统方法。     

基于亮度分量的多聚焦彩色图像融合

针对小波变换在图像融合中的平移变性和有限的方向选择性等缺陷和多聚焦彩色图像融合的复杂性,将Q-Shift双树复小波变换应用于多聚焦彩色图像融合.首先对IHS模型的亮度分量I进行Q-Shift双树复小波分解,根据多聚焦图像的成像特点和分解后的高低频系数相关性,对分解后的高频系数和低频系数采用"选择取大"的融合准则进行融合和逆变换,得到融合后的亮度分量,再根据融合前后亮度分量值的接近程度来确定融合后的色调分量和饱和度分量,从而实现多聚焦彩色图像的融合.通过对实验评估指标信息熵、平均梯度、方差和相关系数等实验值的比较,所研究方法的各参数值都得到了很好的体现,获得了较好的融合效果.     

基于Contourlet域ICA和SVM的图像融合

提出了一种基于Contourlet域独立分量分析(ICA)和支持向量机(SVM)的图像融合方法。首先对源图像进行Contourlet变换,再提取其高频系数的独立分量特征,并通过粒子群优化的SVM实现分类,最后进行图像重构得到融合结果。给出了实验结果,采用均方差(MSE)、信噪比(SNR)、信息熵(H)、空间频率(SF)、清晰度(CL)和相关系数(CR)等评价指标对融合效果进行了定量评价,并与加权平均法、基于Contourlet变换或基于ICA的图像融合方法进行了比较。结果表明,所提出的方法能取得更优越的融合效果。     

基于多融合多尺度特征的高光谱图像分类研究

针对高光谱图像(HSI)波段之间的冗余性给高光谱图像分类结果产生的不利影响,研究基于多融合多尺度特征的高光谱图像分类方法。将采用于主成分分析降维处理的HSI数据作为多尺度特征多融合残差网络输入,利用多尺度特征多融合残差块提取HSI中的光谱特征和空间特征,并组成若干组光谱-空间特征;采用支持向量机展开分类处理,获取各光谱-空间特征的概率输出结果和权重,建立多特征加权概率融合模型,利用最大后验概率获取高光谱图像分类结果。实验结果表明:光谱-空间多尺度特征融合残差块数量为2+2模式、空间输入尺寸大小为9×9,可获取最佳多尺度特征融合残差网络;所提方法抗噪能力较好,可较好体现地物细节信息;且具备较高的高光谱图像分类精度。     

基于CSR和能量特征的红外与可见光图像融合

传统稀疏表示(SR)分块处理策略降低了图像连续性,使得特征信息损失严重。因此,提出了基于卷积稀疏表示(CSR)和能量特征的红外与可见光图像融合算法。该算法将非下采样轮廓波变换(NSCT)域低频子带分解成低频基础分量和细节特征分量,使用局部拉普拉斯能量法(LLE)和卷积稀疏表示分别进行融合,获得低频子带融合图像。同时,根据底层视觉特征构建新活性度量方法来融合高频子带,最后对高、低频部分进行NSCT反变换重建。实验结果表明:该算法有效结合了源图像的边缘纹理信息,在主观和客观评价上皆优于现有的大部分算法。     

基于稀疏表示和色彩传递的图像融合与彩色化

针对红外图像和微光图像的特点,提出一种基于稀疏表示和色彩传递的双波段图像融合与彩色化方法。该方法首先采用改进的基于K_SVD的分块稀疏表示获得红外与微光图像的稀疏融合图像,然后在YUV空间采用基于色彩传递的自然感彩色夜视处理技术,对红外与微光图像进行彩色化融合,最后用稀疏融合图像的灰度值代替彩色融合图像的Y分量,从而实现双波段图像的融合与彩色化。实验表明,本文提出的彩色融合算法能够综合红外与微光特征信息,且使图像具有最佳的亮度对比和细节信息,图像色彩更易于人眼观察。     

基于提升小波和人眼视觉特性的自反馈彩色图像融合

提出了一种基于提升小波变换和人眼视觉特性的自反馈彩色图像融合算法.首先讨论提升小波变换的基本原理,然后考虑到人眼的视觉特性,将彩色图像变换到YIQ颜色空间,运用不同融合规则进行融合.对I和Q色差分量采用平均法融合,对Y分量采用自反馈法得到其最终优化融合结果,最后由三分量融合结果变回RGB颜色空间.实验结果表明,该算法具有良好的融合效果.     

Research on PCA and KPCA Self-Fusion Based MSTAR SAR Automatic Target Recognition Algorithm

This paper proposes a PCA and KPCA self-fusion based MSTAR SAR automatic target recognition algorithm. This algorithm combines the linear feature extracted from principal component analysis (PCA) and nonlinear feature extracted from kernel principal component analysis (KPCA) respectively, and then utilizes the adaptive feature fusion algorithm which is based on the weighted maximum margin criterion (WMMC) to fuse the features in order to achieve better performance. The linear regression classifier is used in the experiments. The experimental results indicate that the proposed self-fusion algorithm achieves higher recognition rate compared with the traditional PCA and KPCA feature fusion algorithms.     

基于卷积特征和贝叶斯决策的双波段场景分类

针对可见光和近红外双波段场景分类存在图像标注样本少和特征融合质量低的问题,提出了一种基于卷积神经网络(CNN)特征提取和朴素贝叶斯决策融合的双波段场景分类方法。首先,将基于预训练的CNN模型作为双波段图像的特征提取器,避免标注样本少导致的过拟合问题;然后,通过主成分分析降维和特征归一化方法,提高支持向量机的计算速度和每个波段的分类性能;最后,以双波段后验概率为朴素贝叶斯先验概率,构建了决策融合模型,实现场景融合分类。在公开数据集上的实验结果表明,相比单一波段分类和双波段特征级联融合分类方法,本方法的识别率有明显提升,可达到94.3%;比基于传统特征的最优方法高6.4个百分点,与基于CNN的方法识别率相近,且执行简单高效。     

基于改进小波变换的医学图像融合算法研究

本文主要针对图像经过小波变换后边角上看不清楚和传统的边缘检测算法对噪声敏感的问题,结合医学图像的特点,提出一种小波变换的修正算法。首先采用改进的多结构元多尺度形态学梯度的边缘检测进行图像的预处理,其次对CT图像和MRI图像分别进行两种不同小波基的三层小波分解;接着求其对应分量系数的差值图像,最后按着一定加权融合系数对差值图像进行融合得到最终的融合图像。实验结果和评价参数表明,这种改进的医学图像融合算法相比于传统的多小波融合算法不仅强化了融合图像的边缘和纹理特征,提高了分辨率,而且有效地保留了原图像的信息。     

基于LatLRR和PCNN的红外与可见光融合算法

针对光谱差异较大的红外与可见光图像，本文提出一种基于潜在低秩表示（LatLRR）和脉冲式耦合神经网络（PCNN）的多尺度融合模型。首先，该算法利用非下采样剪切波变换（NSST）获取图像的低频与高频分量。鉴于图像的低频分量决定最终的融合效果，采用LatLRR算法挖掘源图像内在的显著特征对低频分量自适应加权融合。除此外，针对决定融合图像细节的高频分量，则利用双通道PCNN模型作为它的融合规则。其中平均梯度算子（AVG）和方向梯度和算子（SDG）分别作为PCNN的外界刺激与链接强度，它们能更好地表征图像的纹理特性。通过上述全新的融合规则，可将包含在红外图像内部的显著性特征与可见光图像的梯度特征完美结合，从而获取具有优良视觉效果的融合图像。本文采用3种不同的场景来测试所提方法的融合性能，与其他典型融合方法相比，本文提出的算法具有更佳的视觉效果，同时客观评价参数值增加约2%~5%。