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.     

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.     

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。     

基于小波变换和形态学的织物疵点边缘检测

为了精确确定织物疵点边缘,提出了一种基于小波变换和形态学的织物疵点边缘检测方法.在利用形态学实现疵点检测后,对其进行小波分解,用小波模极大值法和基于数学形态学的算法分别提取高低频子图像的疵点边缘,采用合理的融合规则将两个边缘图像进行融合.实验结果表明,该算法能有效地抑制噪声,且边缘清晰、准确,效果优于经典的边缘检测算法,具有可行性和有效性.     

多聚焦图像融合的最佳小波分解层研究

小波变换应用于多聚焦图像融合时分解层数的选取是一个关键问题。根据区域标准偏差最小准则对小波变换后的高、低频图像分别进行融合。利用峰值信噪比、偏差度、熵等标准对融合结果进行评价。对比实验结果表明,多聚焦图像融合的最佳小波分解层数为5层。     

基于快速离散Curvelet变换的多聚焦图像融合

Curvelet变换除了具有一般小波变化的多尺度,局部性外,还具有方向性,本文将以Curvelet变换为基础,对图像进行Curvelet分解得到图像的低频和高频系数,并分别讨论了低频系数和高频系数的选择原则。对低频系数采用基于局部边缘准则,而对于高频系数采用基于局部标准方差的方法。实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,这种算法有效且优于其他的图像融合方法。     

多义图像合成算法研究

提出了一种基于小波变换的多义图像合成算法。该算法首先通过视角来选择小波分解级对两幅目标图像进行小波分解,然后根据可选的小波融合规则和权值变量融合并重构出在两个视角下的多义图像;对小波算法与现有两种算法进行了分析比较,通过试验证明该算法合成的结果多义特性更好,合成图视觉效果醒目并充分保留原目标图像的色彩和细节特征。合成结果采取了均值降噪。     

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.     

基于边缘检测的邻域加窗图像去噪算法

针对目前图像去噪算法中,消除噪声的同时又破坏边缘细节信息的问题,本文提出了结合边缘检测及邻域加窗的新算法.该算法采取平稳小波基以保持相位不变性,对低频和高频子带进行边缘检测,并将检测后的边缘信息选择后融合,即可得到原图像近似的边缘信息.依据小波方向性特点和层内相关性原理,对不同的子带在非边缘信息处采用不同的模板进行加窗处理.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的细节,较好地复原了图像.     

一种改进的边缘检测方法

本文提出了基于小波变换和图像融合的一种改进的边缘检测方法。该方法利用小波变换将数字图像分解为高频和低频分量,对高频和低频分量分别进行边缘检测;再采用局部区域方差准则把高频和低频边缘在小波域进行融合。实验表明,该方法能够有效融合高频、低频边缘图像特征,具有较好的边缘检测功能。     

Multifocus noisy image fusion using contourlet transform

Abstract

Image fusion is a challenging area of research with a variety of applications. The process of image fusion collects information from different sources and combines them in a single composite image. The composite fused image can better describe the scene than any of the source images. In this paper, we have proposed a method for noisy image fusion in contourlet domain. The proposed method works equally well for fusion of noise free images. Contourlet transform is a multiscale, multidirectional transform with various aspect ratios. These properties make it more suitable for image fusion than other conventional transforms. In the proposed work, the fusion algorithm is combined with a denoising algorithm to reverse the effect of noise. In the proposed method, we have used a level dependent threshold that is based on standard deviation of contourlet coefficients, mean and median of the absolute contourlet coefficients. Experimental results demonstrate that the proposed method performs well in the presence of different types of noise. Performance of the proposed method is compared with principal components analysis and sharp fusion based methods as well as other fusion methods based on variants of wavelet transform like dual tree complex wavelet transform, discrete wavelet transform, lifting wavelet transform, multiwavelet transform, stationary wavelet transform and pyramid transform using six standard quantitative quality metrics (entropy, standard deviation, edge strength, fusion factor, sharpness and peak signal to noise ratio). The combined qualitative and quantitative evaluation of the experimental results shows that the proposed method performs better than other methods.     

小波变换在图象边缘提取中的应用

详细介绍了小波变换在图象边缘提取中的优越性，在参考大量文献的基础上，小结中出常用于边缘提取的小波函数及其提取的边缘的方法与效果。得出在图象边缘提取中高斯函数一阶导数是一种常用的且较有效的小波函数最后给出用高斯函数一阶导数对静态物体边缘提取的计算机模拟。     

基于双正交小波变换的资源二号卫星与多光谱影像融合方法研究

针对基于Darbechies等正交小波函数的遥感影像融合时引起失真的现象,引入双正交小波函数,提出了基于双正交小波变换的融合方法,对资源二号卫星和TM的多光谱影像的融合进行研究,并把融合结果与主成分、IHS和Brovey等融合结果进行比较。通过对光谱特征曲线、相关系数、光谱扭曲程度等分析和空间细节的对比,说明双正交小波融合方法除了提高空间分辨率外,最好地保持了多光谱影像的光谱特征,有利于专题信息的提取。     

一种基于小波变换的多聚焦图像融合方法

提出了一种基于低频系数局部区域梯度信息的多分辨率图像融合方法。根据局部梯度信息对源图像的小波低频系数进行选择,获取融合图像的对应低频系数。依照平均误差、峰值信噪比、均方根误差以及偏差度、熵等评价标准,将该方法的多聚焦图像融合效果与其他三种常用低频系数融合方法的效果进行了比较。实验结果表明,该方法获得的大部分评价指标都优于其他三种方法,且其最佳小波分解层数为2层,而其他三种方法的最佳小波分解层数为5层。最佳小波分解层数越少,图像融合的计算量越小。该方法在减少计算量的同时,提高了融合质量。     

基于小波变换的STM图像处理

根据扫描隧道显微镜(STM)的特点,阐述了将小波变换应用于扫描隧道显微镜的降噪、增强及融合的方法,对于STM扫描获得的石墨原子图像,选用不同的小波基函数和分解层数进行分解和重构,结果表明,利用小波变换对扫描隧道显微镜图像进行处理是有效的、可行的,图像质量得到了明显提高。     

A hybrid approach of wavelet packet and directional decomposition for image compression

In this paper, a novel image compression technique, the combination of wavelet packet transform and directional decomposition is proposed. Wavelet packet transform is an increasingly remarkable image compression approach that outperforms the standard wavelet transform in image coding. The directional filtering coding technique, one of the second‐generation image coding techniques, first introduced the concept of directional decomposition. By placing emphasis on edge detection to preserve edge information to exploit the fact that human visual systems are more sensitive to image edge features, a relatively high compression ratio can be obtained. The approach proposed in this paper decomposed an image into a low‐frequency component and a number of highfrequency components, with the edges on each high‐frequency component in its own direction. By a combined process of Cartesian coordinate rotation transform, interpolation, wavelet packet transform, and a coding algorithm, the image can be reconstructed at an improved visual quality at the same bit rate compared with the common wavelet pyramid algorithm. © 2002 Wiley Periodicals, Inc. Int J Imaging Syst Technol 12, 51–55, 2002; Published online in Wiley InterScience (www.interscience.wiley.com). DOI 10.1002/ima.10010