加权多分辨率图像融合的快速算法

快速、可靠的融合算法是图像融合技术实用化的关键,因此具有良好融合效果的快速融合算法的研究显得尤为重要。传统的加权多分辨率图像融合方法能够产生良好的融合效果,但是其计算复杂度却不能令人满意,为了降低算法的复杂度,基于定义的相关信号强度比,提出了一种加权多分辨率图像融合的快速算法。同传统加权多分辨率图像融合方法相比,算法具有较低的计算复杂度。实验结果表明,该算法同传统加权多分辨率图像融合方法一样,能够产生良好的融合效果。     

基于2DPCA-NSCT变换的多光谱与全色图像融合

鉴于应用单一主成分分析(PCA)或非下采样Contourlet(NSCT)变换进行多光谱和全色图像融合存在的问题,提出了一种2DPCA-NSCT变换图像融合算法.首先对多光谱图像各波段进行二维PCA变换,视其主成分为信号而少量非主成分为噪声予以忽略;然后对全色图像和第一主成分做NSCT分解,在频域对近似分量和多方向高频分量按不同的融合规则融合;最后通过NSCT反变换得到融合图像.实验结果表明,所提出的融合算法在保持PCA变换良好的空间分辨率的同时改善了其光谱失真的问题.     

基于改进的空间模式聚类遥感图像融合算法

研究遥感图像融合优化问题,由于多通道,遥感图像和多光谱图像融合技术受到采集的图像信息精度和分辨率不同的影响,使图像的清晰度降低.为了有效提高遥感图像的分辨率,提出了一种空间模式聚类和小波分析相结合的遥感图像融合新算法.首先采用小波分析对待融合图像进行小波分解,并选择不同的融合规则对小波分解后的不同高低频率重构,然后对融合后的边缘模糊图像区域采用基于空间模式聚类方案进行合并.实验给出了两组遥感图像,仿真结果表明,通过与常用的几种图像融合算法相比,改进的遥感图像融合算法最大限度地保留多波段光谱信息,提高了分辨率,具有一定的实用性.     

结合最佳缝合线和多分辨率融合的图像拼接

目的 针对图像拼接过程中,缝合线通过运动物体或配准不准确区域等情况导致融合图像出现鬼影、重影的问题,提出了一种基于差异图像加权的改进最佳缝合线算法,采用基于多分辨率和加权平均的分区图像融合算法解决了拼接线问题。方法 首先将两幅图像的重叠区域划分为缝合线区域和过渡区域;在缝合线区域内,使用差异图像加权的最佳缝合线搜索准则构建准则值图像,基于动态规划思想来搜索得到最佳缝合线;基于缝合线生成掩码图像,并对重叠区域图像进行扩展,采用多分辨率融合算法实现了非严格重叠区域的融合;在过渡区域采用加权平均算法来消除拼接线。结果 采用含有大量运动物体的图像序列对算法进行测试,实验结果表明,基于差分图像加权的最佳缝合线有效避开了大部分运动物体,当缝合线难以绕开运动物体时,能够尽量少地穿过运动物体;通过多分辨率和加权平均融合算法消除了拼缝等问题。结论 提出的最佳缝合线算法能够有效地避免缝合线通过运动物体、配准不准确的区域,将多分辨率图像融合算法应用于非严格重叠图像融合,能够合成高质量的全景图像。     

基于深度金字塔网络的Pan-Sharpening算法

为了利用高空间分辨率单波段的全色(PAN)图像和低空间分辨率的多光谱图像(MS)生成高分辨率的多光谱图像,提出一种基于深度金字塔网络的遥感图像融合(即pan-sharpening)算法,通过图像金字塔的方式逐层上采样来重构高分辨率的多光谱图像.在细节保持方面,针对全色图像和多光谱图像在尺度上跨度过大的问题,采用深度金字塔网络多尺度地融合全色图像的细节信息;在光谱保持方面,使用反卷积层代替传统的超分辨算法来上采样低分率的多光谱图像;最后将这2部分相加,得到最终的融合图像. GeoEye-1数据集上的实验结果表明,文中算法综合性能优于BDSD, PRACS, PNN and PanNet算法.     

基于仿生学多源图像超分辨率重建的并行优化研究

基于仿生学角度采取冗余多源图像进行超分辨率重建,一方面多视角图像与深度图像有互补性,数学建模与融合算法的设计需要在实用中有重叠信息进行重建;另一方面建立相应的多源图像超分辨率重建的数学模型的优化求解提出一些新的思路,并且对并行优化快速算法进行了构思.     

基于支持向量聚类的多聚焦图像融合算法

从无监督机器学习角度提出了一种基于SVC(support vector clustering)的图像融合规则,解决了基于SVM(support vector machine)的融合规则在处理多聚焦图像融合问题时所引起的区域混叠与非平滑过渡问题,进一步提高了融合图像的质量.使用非降采样离散小波变换对源图像进行多分辨率分解,基于网格提取源图像的特征.图像特征集合作为SVC的输入数据集,聚类结果最终由区域鉴别算法分配到两个区域:互补信息区域和冗余信息区域,并分别采用选择法和加权平均法生成融合图像的多分辨率表示,通过对这一多分辨率表示进行小波逆变换重构融合图像.详细研究了SVC的参数q与融合效果的评价参数RMSE之间的关系.理论分析及实验结果均表明,SVC用于图像融合问题是合适的,而且比较实验显示,基于SVC的融合规则优于基于SVM的融合规则.     

二型模糊融合的尺度约束多分辨率FCM分割

针对传统多分辨率模糊聚类图像分割算法的不足,提出了将二型模糊应用于多分辨率模糊聚类图像分割的新方法.将最粗尺度图像的聚类中心作为下一较细分辨率图像的初始聚类中心,并采用较粗分辨率图像聚类的类内最大距离对细分辨率图像的模糊聚类目标函数进行约束.对较小的粗分辨率图像进行了模糊隶属度扩展,得到一组隶属度值,再采用二型模糊算法有效融合该隶属度集合,完成聚类分割.实验结果表明,该算法能有效实现目标区域分离,获得理想分割效果.     

气象卫星夜间微光云图和红外云图的融合技术研究

将多分辨率分析融合方法和多尺度几何分析融合方法应用于DMSP气象卫星夜间微光云图和红外云图的融合中,并对各种融合算法的性能进行了客观评价.融合实验结果显示,融合图像与源图像相比取得了良好的视觉效果.从平均互信息和Xydeas-Petrovic指标看,拉普拉斯金字塔融合算法和非下采样Contourlet融合算法的融合效果较其他方法优越.     

基于NSCT的遥感图像模糊推理融合算法

针对遥感图像影像分辨率低的问题,提出了一种新的基于非下采样Contourlet变换的图像融合算法.该算法首先通过IHS变换对多光谱图像进行RGB-IHS颜色空间转换,然后利用非下采样Contourlet变换和模糊推理加权融合规则将强度分量与全色图像进行融合,最后用拉伸后的灰度融合图像替换原来的强度分量,并通过IHS逆变换得到最终的融合网像.实验结果表明,该方法在抑制光谱信息扭曲和提高图像清晰度等客观评价参数上均优于其他多分辨率分析方法,且克服了传统融合方法中存在的融合图像模糊、抗噪能力差的缺点.     

基于方向导数的多光谱图像快速融合新算法

针对提升小波变换的特点,研究图像融合规则,提出了一种新的基于方向导数的多分辨多光谱图像快速融合算法。首先,利用提升小波变换得到待融合源图像的多分辨分析;然后以小波域方向导数为判据,在图像的多分辨分析的相应各级上进行融合,得到融合图像的多分辨分析;最后,利用提升小波反变换重构融合图像。使用多光谱图像对算法进行验证并与方向对比度算法进行对比,结果表明,融合图像完好的融合了源图像的信息,且算法运算时间短。     

一种基于提升小波变换的快速图像融合方法

目前，多尺度分解的方法已开始应用于图像融合．针对基于传统的多尺度分解的融合方法运算速度慢、对内存的需求量大，不适于实时应用的局限性，提出了一种新的基于提升小波变换的快速图像融合算法．多个源图像分别进行提升小波分解，使用恰当的融合规则合并各尺度对应的分解系数，通过提升小波逆变换得到复合图像，实验结果表明，提出的算法无论在执行时间还是融合后的图像质量上都优于传统的方法，有广泛的应用前景，特别适用于实时系统。     

一种基于小波变换的多分辨图像融合算法

图像的融合过程是将两个或更多的图像结合成一个图像,融合图像保留了每一个图像的重要特征。图像融合技术能够提高图像质量和数据的实用性。主要描述了图像融合的两个课题：（1）融合算法;（2）质量评估。介绍的图像融合算法是先对原图像进行多分辨小波变换,再把输入图像的小波变换系数通过一定的融合规则进行选择,然后经过逆小波变换得到新的图像,对图像融合的质量评估也进行了讨论。     

一种多聚焦图像融合方法

提出一种基于小波变换的多聚焦图像融合方法．该方法首先通过小波变换得到源图像的小波系数，然后对低频和高频分量采用不同的融合规则和融合算子构造融合图像的小波系数，最后基于一致性检测由高低频融合系数得到最终的融合结果．用两组源图像数据验证所提出的融合算法，并与其他融合算法进行比较，仿真结果表明该算法在多聚焦图像融合中优于其他方法．     

非下采样Contourlet变换的图像融合及评价*

分析和研究了非下采样Contourlet图像表示方法及其在图像变换中的优点,提出一种基于非下采样Contourlet变换的图像融合方法。首先将待融合源图像分解成不同尺度、多方向的频带;然后采取不同的融合方法对分解的高低频分量进行融合处理,低频系数采取局部能量优先的加权法融合,高频系数则采取局部梯度优先的加权法融合;最后将融合的各频带进行逆非下采样Contourlet变换得到融合图像。实验表明,在几种不同的客观评价标准下,该方法优于传统的小波域中的融合效果,能有效消除小波变换带来的光谱扭曲和假边缘现象。     

基于小波变换的多源图像数据融合与边缘检测方法

提出基于小波变换的多源图像数据融合和边缘检测的方法,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现多源图像数据融合。应用小波变换对融合图像进行多尺度边缘检测,获取多源图像边缘,或对多源图像进行小波多尺度边缘检测,然后融合边缘。     

采用小波分析的图像融合方法评述

图像融合是多传感器信息融合在图像处理领域的一个重要应用,以小波分析为工具是这一领域研究方法上的重大突破。在引入图像的小波多分辨分析的基础上,介绍了图像的快速小波分解,提升小波算法;小波图像融合步骤及融合过程中融合规则的选取,融合效果的客观定量评价。最后,通过对小波滤波器组选择及有代表性的融合规则的大量实验,并用熵,交叉熵,交互信息量进行定量分析和比较,给出了结论,并指出该领域今后发展的热点。     

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。     

基于小波变换模极大值特征的多模医学图像融合算法研究

文章提出了一种基于小波变换模极大值特征的多模医学图像融合算法,将待融合的图像进行小波变换提取其模极大值特征,在特征域上根据小波变换模极大值的特征实施不同权重的加权融合计算,实施逆变换重建融合图像。并对人脑的MRI-PET图像进行了融合,实验结果表明该方法能有效地将解剖信息和功能信息融合在一起,并保留原始图像的解剖结构特征。     

基于综合性能最优的小波域图像融合新方法

以提高融合图像的综合性能为目标,提出了一种基于综合性能最优的小波域图像融合方法。首先根据融合目的和专家经验,选择融合图像的多个客观评价标准,并由之构建综合性能指标。然后,对待融合图像分别进行多尺度小波分解,引入遗传算法创建初始种群作为小波域的图像融合参数,求解融合图像及其综合性能值;利用综合性能评价指标最优作为遗传算法的适应度函数,经过选择、交叉、变异等种群进化操作,快速逼近并定位最优性能参数,最后得到综合性能最优的融合图像,即该参数对应的融合图像。实验结果显示,所提融合方法的综合融合效果优于常见的小波变换、金字塔分解等多种融合方法。