基于光照估计滤波的太赫兹图像融合研究

碳纤维增强复合材料广泛应用于航空航天等军民领域，在制备和使用过程中往往存在诸多缺陷，太赫兹时域光谱成像技术为碳纤维增强复合材料无损检测提供了新方法。在使用太赫兹无损检测技术时，可以通过在时域或频域中选择不同的参数来获取图像，同样的缺陷需要时域和频域不同的参数才可以有效检测出来。采用基于光照估计滤波的算法将不同参数的太赫兹图像进行融合。首先，通过光照估计滤波分辨初始图像序列中像素的曝光情况。然后隶属函数调用这些初始估计值。最终输出的融合图像是通过隶属函数分配的权重在所有像素之间加权平均得到。实验结果表明，所提出的方法对图像边界信息和细节信息都处理得比较好，适用于太赫兹多波段图像融合，具有更好的视觉效果。     

空间欠采样太赫兹时域光谱成像方法

文章针对传统太赫兹时域光谱成像技术存在的扫描时间长以及数据存储量大等问题,提出了一种基于压缩感知理论的空间欠采样太赫兹时域光谱成像方法。首先通过扫描电机获得目标非等间隔欠采样信号,然后利用压缩感知方法来重构缺失像素点的太赫兹信息。实验结果显示,当压缩比为0.5时,所重构的太赫兹信号与全采样条件下的信号相关性可达99.95%。通过对压缩重建图像的显示分析,时域图像中的缓变区域和频谱成像中的低频信号恢复效果较好。该方法为快速太赫兹光谱成像提供了一种有效的技术手段。     

小波变换和稀疏表示相结合的遥感图像融合

针对多光谱图像与全色图像的融合,提出一种结合小波变换和稀疏表示的融合算法.该算法充分利用小波变换具有保持光谱信息这一优势,首先对多光谱图像进行IHS (intensity-hue-satuation)变换,然后对亮度分量和全色图像进行单层小波变换,得到对应的高低频系数.分析高低频系数的特征,对于不能认为是“稀疏”的低频系数采用稀疏表示进行融合;对于可以认为是“稀疏”的高频系数采用图像信息融合规则进行融合.最后进行小波逆变换和IHS逆变换得到融合结果.实验结果表明,该算法最大限度地保留了光谱信息,并提高了空间分辨率.     

一种基于à trous小波和联合稀疏表示的遥感图像融合方法

采用训练字典的稀疏表示方法能反映信号的本质特征和内在结构。针对遥感多光谱图像和全色图像融合存在的光谱失真问题,提出了一种基于àtrous小波和联合稀疏表示的融合方法。首先对多光谱图像进行IHS变换,然后对全色图像和变换后的多光谱亮度分量进行àtrous小波变换,对其低频分量进行字典训练,采用联合稀疏表示模型进行分解得到公共成分和独特成分,最后对稀疏系数进行融合。通过对山区和城区不同场景的IKONOS遥感数据进行实验,融合结果不仅在空间分辨率得到了提高,并且光谱分辨率保持较好,目视判读和量化分析表明其多数性能优于目前常用的传统算法。     

太赫兹成像技术的应用研究

太赫兹辐射(THz)是指频率范围在0.1～10 THz的电磁波,波段位于毫米波与红外波段之间,其应用主要集中在太赫兹时域光谱技术和太赫兹成像技术两方面,其中太赫兹成像技术在实际应用中更加广泛.介绍了太赫兹辐射及其性质,简述了太赫兹成像技术及其发展过程.分析了太赫兹成像技术在安全检查、癌症检测和无损检测等领域的发展过程,结果表明使用太赫兹成像技术可以对违禁药物和危险隐藏物等进行安全检查,对人体癌变组织进行成像检测,以及对航空航天材料中的缺陷进行无损检测.随着太赫兹成像技术的不断发展,其在安检、医疗和无损检测等领域有着重要的应用前景和研究价值.     

一种新的基于主分量变换与小波变换的图像融合方法

为了更好地进行不同分辨率图像的融合,提出了一种基于主分量变换与小波变换结合的多光谱图像与高分辨率图像融合方法。该新方法首先对多光谱图像进行主分量变换;然后分别对其第1主分量与高分辨率图像进行小波变换,并采用成像强度对比法有效地将经小波分解的高分辨率图像的低频分量信息融合到经小波分解的多光谱图像的第1主分量的低频分量中;最后,通过将小波融合结果作为多光谱图像的第1主分量再做逆主分量变换来得到最终的融合图像。实验结果分析表明,该新方法使融合图像在较好地保留光谱信息的同时,空间细节信息也得到了增强,比典型的IHS变换、主分量变换及小波变换融合方法具有更好的融合效果。     

WT-U-Net++：基于小波变换的表面缺陷检测网络

针对传统机器视觉算法在表面缺陷检测中精度低、无法适应环境变化和噪声影响的问题，提出一种基于小波变换（WT）的改进UNet++——WT-U-Net++。首先，由WT获取缺陷图像的高频与低频分量，再通过多尺度模块MCI(Mix-Conv Inception)提取高、低频分量的细节特征；其次，将MCI模块提取到的细节特征与原始图像融合，并将融合结果作为改进UNet++的输入；再次，在UNet++的下采样阶段引入通道注意力模块，从而使网络在捕获更多上下文语义信息的同时提高跨层特征级联的质量，而在上采样阶段采用反卷积恢复更多的缺陷细节信息；最后，从UNet++的多个输出中选择最佳结果作为检测结果。在铁轨、磁瓦、硅钢油污这3个公开缺陷数据集上的实验结果表明，相较于次优的UNet++,WT-U-Net++的交并比（IoU）分别提高了7.98%、4.63%和8.74%，相似度度量指标（DSC）分别提高了4.26%、2.99%和4.64%。     

基于Contourlet变换的遥感图像融合

利用Contourlet变换的多尺度、局部化、方向性和各向异性等优点,提出了一种基于Contourlet变换的遥感多光谱与全色波段图像融合新算法。算法首先对多光谱图像进行IHS变换,然后将多光谱的I分量和全色图像进行Contourlet分解,进而在不同子带中进行图像融合,低频采用一种新的基于形态学梯度算子的边缘信息融合算法,高频采用区域标准方差融合并使用形态学进行一致性检测,最后将得到的灰度融合图像进行线性拉伸并替代原来的I分量,进行IHS反变换后得到最终的融合图像。实验结果表明,与传统的图像融合算法相比,该算法能够更有效地融合源图像信息,保持源图像特征。     

一种基于IHS和NSST的多光谱图像融合方法

文中针对丛林环境背景下的迷彩人员检测效果差的问题,提出一种基于多光谱图像融合的迷彩人员检测方法.以可见光图像和特征波段图像为数据源,首先将可见光图像变换到相关性最小的IHS颜色空间,提取出亮度分量I;然后对于特征波段图像和亮度分量I进行多级NSST分解变换图像融合,其中特征波段之间采用局部能量取大值融合规则低频分量融合,与亮度分量之间采用自适应模糊逻辑原则进行低频分量融合.高频分量均使用模值取大的融合规则.最后进行NSST逆变换和IHS逆变换得到融合结果.经实验表明,与其他经典和主流多尺度变换图像融合算法相比,该方法具备较好的图像质量评价指标,并且在迷彩人员检测实验中,与可见光图像结果相比,具有较好的检测结果.     

太赫兹时域光谱技术在涂层检测中的研究进展

涂层结构具有美观、隔热和耐腐蚀等优点,被广泛应用于航空航天、汽车船舶制造和制药等领域。但在涂层制备和服役过程中会不可避免地出现气泡和裂纹等缺陷,且涂层厚度和均匀性会直接影响涂层寿命,因此对涂层结构的检测显得十分重要。与常规无损检测技术相比,太赫兹时域光谱(THz-TDS)技术非接触性好、抗干扰性强,适用于涂层结构快速无损检测。首先,简要地介绍了太赫兹波、太赫兹时域光谱技术和典型的太赫兹时域光谱系统;然后,详细地阐述了太赫兹时域光谱技术在光学参量、厚度和微结构检测方面的国内外研究进展,特别是太赫兹波在汽车船舶、航空航天和生物制药方向的厚度检测与成像;最后,分析了涂层结构无损检测的现状,对现有的太赫兹波检测涂层存在的问题进行了总结,并对其未来的发展进行了讨论和展望。     

视觉显著性检测与金字塔变换相结合的图像融合

提出了一种利用人类视觉机制进行图像融合的算法。首先对源图像进行金字塔分解;接着对低频和高频分量采用不同的融合策略,低频分量依据最大显著性准则选择融合像素,高频分量利用相关性加权准则选择融合像素。初步融合后的低频和高频分量经金字塔重建获得最终融合结果。金字塔变换可提供多分辨率的图像表示,但不区分图像区域的重要性;而视觉显著性检测可定位图像最显著区域,但对噪声敏感;两算法的结合能取长补短,获得好的融合结果。实验表明,提出的方法优于已发表的其他基于金字塔变换的图像融合算法,适用于多聚焦图像、多波段图像和多光谱图像融合。     

基于引导滤波和shearlet稀疏的遥感图像融合算法

针对遥感图像空间分辨率和光谱分辨率不可兼得的情况,结合多尺度变换与稀疏表示,提出一种shearlet稀疏基与引导滤波共同作用的遥感图像融合算法。以IHS融合模型为基础,利用引导滤波作拟合处理,再用shearlet变换分解亮度图像和全色图像,得到图像的高低频子带系数。对低频子图进行稀疏化处理并获取最优稀疏系数,稀疏系数以图像块活跃度取大的标准进行替换融合。基于区域能量和区域方差融合处理对应的高频子图,再利用shearlet反变换获取融合结果。实验结果表明,本文算法能提高图像清晰度以及光谱保留度,在图像完整度和细节考量上远好于其他算法。     

基于引导滤波和shearlet稀疏的遥感图像融合算法

针对遥感图像空间分辨率和光谱分辨率不可兼得的情况, 结合多尺度变换与稀疏表示,提出一种shearlet稀疏基与引导滤波共同作用的遥感图像融合算法。以IHS融合模型为基础,利用引导滤波作拟合处理,再用shearlet变换分解亮度图像和全色图像,得到图像的高低频子带系数。 对低频子图进行稀疏化处理并获取最优稀疏系数,稀疏系数以图像块活跃度取大的标准进行替换融合。 基于区域能量和区域方差融合处理对应的高频子图,再利用shearlet反变换获取融合结果。 实验结果表明,本文算法能提高图像清晰度以及光谱保留度,在图像完整度和细节考量上远好于其他算法。     

非下采样Contourlet变换耦合区域信息特征的遥感图像融合算法

当前遥感图像融合算法主要是通过图像的能量信息来完成低频系数的融合,忽略了图像的光谱信息特征,导致融合图像中存在光谱扭曲等不足。设计基于非下采样Contourlet变换与区域信息特征的遥感图像融合算法。引入HSV(Hue,Saturation,Value)变换,从多光谱图像中提取亮度分量。采用非下采样Contourlet变换,对全色图像与多光谱图像的亮度分量进行分解,获取图像的低频系数与高频系数。联合低频系数的区域能量以及信息熵特征,构造低频系数的融合模型,完成低频信息的融合。通过高频系数的区域方差相似度,建立高频系数融合规则,对高频系数完成融合。通过非下采样Contourlet逆变换与HSV逆变换,获取融合图像。实验结果表明,与当前遥感图像融合方法相比,该算法的融合图像具有更好的光谱与空间特性。     

基于曲波变换的红外/可见光图像融合

和小波变换相比较,曲波变换能更好地表示图像的边缘信息.在此基础上给出了一种基于曲波变换的图像融合方法,并将其应用于红外和可见光图像融合.首先,对红外图像和可见光图像分别进行曲波变换,得到两幅图像的低频分量和不同尺度的高频分量.在对源图像的各分量融合时,对低频分量采用平均加权进行融合.对高频分量采用取绝对值较大的方法进行融合,得到融合后的低频分量和不同尺度的高频分量,最后对这些融合后的分量进行重构,得到融合图像.仿真结果表明:和基于小波变换的融合算法相比较,该算法较好地保留了源图像的细节信息,提高了融合的效果.     

混合多尺度分析和改进PCNN相结合的图像融合方法

为了更好地融合全色图像中的空间细节信息和多光谱图像中的光谱信息,提出一种基于混合多尺度分析和改进脉冲耦合神经网络(PCNN)的多光谱与全色图像融合方法.首先对全色图像和多光谱图像进行非下采样剪切波变换(NSST),并结合不同多尺度分析方法的互补特性,利用平稳小波变换(SWT)对低频分量部分进行二次分解,在混合多尺度域进行系数融合及SWT逆变换;然后采用基于PCNN的融合规则对高频分量部分进行融合;最后对融合后的高低频系数进行NSST逆变换,得到融合图像.在2组卫星拍摄的多光谱和全色图像上的实验结果表明,在主观视觉与客观评价指标的总体效果上,该方法优于其他8种经典以及流行方法.     

基于NSST-IHS 变换稀疏表示的SAR 与可见光图像融合

针对合成孔径雷达(SAR)与可见光图像成像原理不同,其融合图像常常存在感兴趣 目标不突出及光谱失真的问题,提出了一种基于NSST-IHS 变换稀疏表示的融合算法。对源图 像进行IHS 和NSST 变换,在所得低频分量上采用基于结构相似性和亮度差异性的稀疏表示融 合规则,高频分量上则采用基于改进的拉普拉斯能量和的融合规则,融合结果再通过NSST 和 IHS 逆变换得到。实验以哨兵1 号SAR 图像与landsat-8 可见光图像进行验证,并与传统的IHS、 Wavelet、NSCT、IHS-Wavelet-SR 和NSST-IHS 算法进行比较。结果表明,该算法不论视觉还 是评价指标都有了明显提高,空间结构信息和光谱信息得到有效的保持,有利于后续目标检测 与识别工作。     

基于奇异值加权的图像复制粘贴伪造盲检测

提出了一种基于小波变换和奇异值分解的盲检测算法来识别图像的复制粘贴伪造。该算法用小波变换降低计算量,用奇异值表示图像特征。图像经过小波变换,提取出低频分量和高频分量。因低频部分保留图像的纹理信息,高频部分保留图像的轮廓信息,该算法分别从低频部分和高频部分提取图像奇异值,并把提取出的奇异值进行加权处理,以加权值作为图像块的特征。图像块之间做两两比较,根据图像块的特征相似度,判断是否存在图像复制粘贴伪造区域。在丰富层次和清晰细节轮廓的图像中,该算法能达到比较理想的检测效果,准确率较高。     

融合多尺度注意力的太赫兹图像目标检测研究

基于太赫兹技术的安检设备具有独特的无损伤检测特性,在安防领域具有良好的发展前景.太赫兹图像分辨率低,特征信息有限,且高亮区域多,目标与背景亮度相近,为太赫兹图像中的目标检测带来了一定的困难.针对此,本文提出一种融合多尺度注意力的目标检测框架MSAD-SSD,在SSD算法的基础上,采用ResNet101作为特征提取网络,...     

基于提升静态小波变换与联合结构组稀疏表示的多聚焦图像融合

为抑制传统小波变换在多聚焦图像融合中产生的伪吉布斯现象,以及克服传统稀疏表示的融合方法容易造成融合图像的纹理与边缘等细节特征趋于平滑的缺陷,提高多聚焦图像融合的效率与质量,采用一种基于提升静态小波变换（LSWT）与联合结构组稀疏表示的图像融合算法。首先对实验图像进行提升静态小波变换,根据分解后得到的低频系数与高频系数各自不同的物理特征,采用不同的融合方式。选择低频系数时,采用基于联合结构组稀疏表示的系数选择方案;选择高频系数时,采用方向区域拉普拉斯能量和（DRSML）与匹配度相结合的系数选择方案。最后经逆变换重构得到最终融合图像。实验结果表明,改进的算法有效地提高了图像的互信息量、平均梯度等指标,完好地保留图像的纹理与边缘等细节信息,融合图像效果更好。