基于小波变换和多通道脉冲耦合神经网络的高光谱图像融合

针对高光谱多波段图像融合的问题,提出了一种基于小波变换和多通道脉冲耦合神经网络模型的新融合方法。该算法利用小波变换对图像进行多尺度分解,将得到的低频和高频系数分别采用多通道PCNN模型进行非线性融合处理,对低频子带直接利用其点火频率图得到融合结果,对各高频子带则利用点火频率图的直方图矢量重心及偏差计算自适应阈值并进行区域分割,对不同的区域采用不同的融合规则进行融合处理;最后进行小波重构得到融合图像。对OMIS高光谱图像的实验结果表明:所提方法能够有效地融合高光谱多个波段图像信息,且纹理细节信息突出。     

基于纹理特征与广义相关性结构信息的医学图像融合

结合多尺度变换的图像特征,提出了一种基于纹理特征与相关性结构信息的医学图像融合方法。首先对已配准的源图像进行非下采样Contourlet变换,得到低频、高频子带系数。其次考虑人眼视觉对纹理特征的敏感性,提出局部差分计盒维数来统计图像的纹理信息;分析NSCT高频子带兄弟系数间及其父子系数间的强相关性,分别计算出系数间的结构相似度与邻域拉普拉斯能量和,作为高频子带系数间的广义相关性结构信息。然后对低频提出Sigmoid函数自适应融合,对高频采用广义相关性结构信息取大法。最后进行逆NSCT变换得到融合图像。通过灰度与彩色图像融合实验发现,该算法不仅可以保留源图像的边缘信息,还得到较好的客观评价指标和视觉效果。     

两种变换域相结合的医学图像融合

为了克服单一图像分析方法在图像分解时存在的局限性,采用两种变换域相结合的方法来实现CT/MRI图像融合。利用基函数多尺度和多方向性的特点,对CT与MRI源图像进行非下采样Contourlet变换(NSCT);将分解之后的CT低频近似部分和MRI低频近似部分再分别进行小波变换,小波分解与融合之后得到融合图像的低频系数,而对NSCT变换后的高频细节部分利用邻域能量取大方法得到融合图像的高频系数;再对高频系数与低频系数进行逆NSCT变换得到融合图像。结果表明,两种变换域结合的算法比单一的多尺度分析算法更有效可行,使得融合图像对比度更高、更清晰。     

基于视觉特性的红外与可见光图像融合

给出一种基于人类视觉特性的红外可见光图像融合算法,以增强融合图像的场景信息和目标指示特性。采用无下采样Contourlet变换对两幅源图像进行多尺度分解;在低频分量部分,调整可见光图像的全局亮度,以基于局部能量的方法提取并增强红外目标,以局部方差取大方法获得景物轮廓,余则采用可见光图像像素值;在高频分量部分,采用脉冲耦合神经网络选取高频分量;通过无下采样Contourlet变换的逆变换得到融合图像。改进算法可保留可见光图像的清晰度,红外目标突出,景物比在单一可见光图像中更易辨别。     

基于小波变换和邻域特征的多聚焦图像融合算法

提出了一种基于小波变换和邻域特征的多聚焦图像融合算法。该算法首先采用小波变换对源图像进行多尺度分解,得到低频和高频子图像;然后对低频子图像采用基于邻域归一化梯度的方法得到低频融合系数,对高频子图像采用基于邻域方差的方法得到高频融合系数;最后进行小波重构得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该算法与传统融合方法的融合效果进行了比较。实验结果表明,该算法所得融合图像的效果和质量均有明显提高。     

NSCT域内基于自适应PCNN的红外与可见光图像融合方法

提出一种在图像的非下采样Contourlet变换(NSCT)域内基于脉冲耦合神经网络(PCNN)的融合方法。首先采用NSCT对严格配准的待融合图像进行多分辨率多方向分解, 得到低频子带和高频方向子带;然后使用各子带系数的空间频率作为PCNN对应神经元的自适应连接强度系数,使用改进的拉普拉斯能量和作为PCNN每个神经元的外部激励,经过PCNN点火过程获得各子带对应的点火映射图,并通过判决选择算子确定融合图像的各子带系数;最后采用NSCT逆变换对低频子带系数和高频方向子带系数进行重构,得到融合图像。使用红外与可见光图像进行仿真实验的结果表明,本文方法优于基于小波变换、NSCT及传统NSCT与PCNN结合的图像融合方法。       

基于复合分解与直觉模糊集的红外与可见光图像融合方法

针对传统的基于多尺度变换的红外与可见光图像融合算法的不足,提出一种基于复合分解与直觉模糊集的红外与可见光图像融合方法。采用NSCT将源图像分解为低频子带和高频子带,进一步采用潜在低秩表示模型将低频子带分解为低频基础子带和低频显著子带;针对低频基础子带、低频显著子带和高频子带的特征,采用不同的融合规则,其中,低频基础子带以视觉显著度为权重系数采用加权求和作为融合规则,低频显著子带以绝对值最大为融合规则,高频子带以直觉模糊熵最大选择为融合规则;通过NSCT逆变换得到红外与可见光融合图像。通过对比多组融合图像主、客观评价结果表明,该方法能有效保留边缘信息,保留较多的源图像信息,在视觉质量和客观评价方法优于其他图像融合方法。     

基于萤火虫优化的自适应PCNN遥感图像融合

为了提高融合后多光谱图像的质量,本文提出一种基于快速非下采样轮廓波变换(FNSCT)与萤火虫优化的自适应脉冲耦合神经网络(PCNN)相结合的图像融合算法。将通过亮度-色度-饱和度(IHS)变换的多光谱图像亮度分量与全色图像分别进行FNSCT变换,获得相应的高低频系数。针对低频系数,采用区域平均能量法进行融合;对于高频子带,为了确定PCNN模型的最优参数,将PCNN算法的链接强度与链接范围自适应化,并利用萤火虫算法优化其余参数,获得更优的PCNN模型,实现高频系数的融合。最终经过FNSCT逆变换和IHS逆变换得到融合结果。实验结果表明:本文提出的算法既提高了图像的空间分辨率又很好地保留了融合图像的光谱信息。     

基于自适应NSST—PCNN的红外与可见光图像融合方法研究

传统的红外与可见光图像融合方法存在着对比度不高、背景细节信息保留不理想的问题,为解决此类问题,提出了一种非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)结合自适应脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的方法.利用NSST将源图像多尺度地分解成低频子带和高频子带;针对图像低频子带融合,采用自适应模糊逻辑加权平均融合规则;对于图像高频子带融合,采用自适应PCNN的算法;最后,通过NSST逆变换得到融合后图像.实验结果表明,相比于传统图像融合方法,本方法在信息熵、空间频率、平均梯度、互信息和交叉熵等多个客观评价指标上至少分别提高了1.54％、4.52％、3.52％、9.14％、0.12％,提高了融合图像的对比度,保留了背景细节信息,取得更好的融合效果.     

一种基于显著特征的图像融合算法

充分利用小波变换的多分辨率分析特性,文章提出了一种基于显著特征的小波变换图像融合方法。首先对待融合图像进行小波分解,得到低频系数和高频系数;然后对低频系数提出了一种基于显著特征——空间频率的融合规则,对高频分量使用系数绝对值选大的规则进行融合;最后对融合后的低频系数和高频系数进行小波反变换得到融合图像。同时探讨了多聚焦图像中存在的虚假轮廓现象并提出了一种简便的定位方法。仿真实验表明,文中算法得到的融合图像在视觉效果上较传统算法及其一些改进算法有所提高,同时熵、标准差和互信息等客观评价指标值也得到了提高。     

一种自适应的小波方向对比度图像融合算法

对多传感器获得的图像序列进行图像融合,可以采用基于小波变换的多分辨率分析图像融合方法。首先,对两幅待融合图像进行小波变换,采用平均加权的方法来获得融合后的低频分量;采用一种基于图像对比度的自适应算法来获得融合后的高频分量。最后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数进行小波逆变换,最终得到具有原图像有用信息的融合图像。实验结果表明,这种算法可以很好地保留原图像的有用信息,是一种有效的图像融合算法.     

基于Contourlet域HMT模型的图像融合

针对小波域隐马尔可夫树融合速度较慢、方向信息少的缺点,提出了一种图像融合新算法．首先将待融合图像进行Contourlet分解得到低频系数和高频方向系数,低频系数采用模极小值的规则融合,高频方向系数经过Contourlet域隐马尔可夫树训练后求得边缘概率密度函数,与原系数相乘得到新的方向系数,然后采用局部内积的规则对高频系数融合．对融合后的系数进行逆Contourlet变换,从而得到融合后的图像．由于Contourlet域隐马尔可夫树模型在细尺度方面能够跨越几个相邻的方向子带,方向子带间具有与尺度相似的统计模式,因此该算法不仅能提高建模精度,而且能降低运算的复杂度(减少了参数数目)．仿真实验表明,相比Contourlet和小波域同类算法,这种算法能够得到更加清晰光滑的融合图像;标准差、平均梯度、平均交叉熵等统计指标均比小波域隐马尔可夫树有显著改善,训练速度提高了17倍左右,且能够快速融合采用小波域隐马尔可夫树算法比较困难的图像．     

基于稀疏表示和PCNN的多模态图像融合

提出一种基于稀疏表示和脉冲耦合神经网络(pulse coupled neural network, PCNN)的新方法。首先将原图像进行bandelet变换,提取出图像中的几何流和bandelet系数等重要信息,再利用PCNN进行几何流融合、根据稀疏相似度优化融合后的几何流,然后更新部分bandelet系数并根据最大绝对值规则进行融合,最后通过bandelet逆变换得到融合后的图像。仿真实验结果表明,本算法有效改善了融合效果,融合图像边缘、纹理清晰,整体效果极佳;与现有的平均值融合算法、拉普拉斯金字塔算法以及基于小波变换和PCNN的WT-PCNN算法相比,本算法得到的融合图像的灰度均值、标准差、平均梯度、互信息等指标都得到了提高。     

NSST与引导滤波相结合的多聚焦图像融合算法

为进一步提高融合图像的对比度和清晰度,提出一种非下采样剪切波变换(简称NSST变换)与引导滤波相结合的多聚焦图像融合算法.首先,利用NSST变换对多聚焦源图像进行多尺度、多方向分解;然后针对低频子带系数,通过计算局部区域改进拉普拉斯能量和进行加权映射,构建初始融合权重,利用引导滤波修正初始融合权重,提出一种基于局部区域改进拉普拉斯能量和的引导滤波加权融合规则;针对高频子带系数,结合人眼视觉特性,通过计算显著信息、局部区域平均梯度、边缘信息和局部区域改进拉普拉斯能量和来构建初始融合权重,利用引导滤波修正初始融合权重,提出一种基于人眼视觉特征的引导滤波加权融合规则;最后,进行NSST逆变换,获得融合图像. 4组多聚焦源图像的仿真实验结果表明,无论是从主观评价还是客观评价上,与其余4种融合算法相比,本文算法均较好地保留多聚焦源图像的边缘轮廓、细节和纹理等信息,也无细节信息缺失,提高融合图像的对比度和清晰度.     

多光谱与高分辨率图像融合的新算法

提出了一种多光谱与高分辨率图像融合的双树复数小波分维算法．充分利用双树复数小波变换良好的方向选择性,对多光谱的I分量和全色图像进行小波分解,进而在不同子带中进行图像融合,低频采用基于区域能量的融合算法,高频定义不同的分形分维作为权系数进行融合,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,得到最终的融合图像．实验结果表明,与经典的IHS变换和小波变换相比,该算法光谱扭曲度仅为前两者的30.31％和50.66％．     

基于视觉显著性和NSCT的红外与可见光图像融合

结合非下采样轮廓波变换的平移不变性,提出了一种基于视觉显著性的红外与可见光图像融合算法。首先,利用引导滤波器改进显著性检测算法并将其用于红外图像;然后,对红外图像和可见光图像进行非下采样轮廓波变换以得到各自的低频与高频子带;最后,在低频与高频子带的融合中分别采用红外图像显著性指导法与绝对值取大法。实验结果表明,与多种相关算法相比,该算法所得融合图像在突出红外目标的同时还具有丰富的可见光背景信息,具有更好的视觉融合效果和客观质量评价。     

Directionlet域的多波段遥感图像融合算法研究

提出一种有效的基于Directionlet变换的多波段遥感图像融合算法。Directionlet变换是一种新的基于格子的歪斜多尺度多方向各向异性小波变换工具,具有更高的逼近精度和更好的稀疏表达能力的图像分解变换,与小波变换相比,抑制了小波变换在图像边缘方向表示的固有局限性。首先采用具有多尺度、多方向特点的Directionlet变换对多波段遥感图像进行分解。对于低频系数采用平均融合算法,方向高频系数采用区域边缘检测实现多波段遥感图像的融合处理。实验结果表明,提出的算法与传统融合算法相比不仅原始图像的边缘和纹理信息可保留,而且可获得更好的融合视觉效果。     

基于二代曲波变换和PCNN的高光谱图像融合

为了解决高光谱图像的高数据维给后续图像分析和处理带来的困难,提出了一种基于二代曲波变换和脉冲耦合神经网络(PCNN)的融合新算法.利用各波段数据间的局部相关性将整个数据空间划分为若干个相关性较强的独立子空间,在对子空间内的各波段光谱图像进行曲波多分辨率分解的基础上,分别依据各波段图像所含有的信息量对曲波粗尺度系数进行加权融合和利用PCNN的全局耦合特性与脉冲同步特性对细尺度系数进行智能选取,最后由曲波逆变换得到各子空间的融合图像.AVIRIS数据融合实验表明,该算法能有效地实现高光谱数据维数减少和特征提取,相比于提升小波融合算法、主成分变换算法和基于典型融合准则的曲波融合算法,其所提取的图像特征在高光谱异常检测时能得到更多的真实目标.     

基于形态学和平均梯度的小波图像融合算法

提出了一种基于形态学和平均梯度的小波图像融合算法。其基本思想是利用形态学对图像预处理,再对各图像进行小波变换,对低频部分根据分块后各子块的平均梯度和局部能量,按照一定规则选择融合系数;高频部分采取最大系数法选择融合系数。最后进行小波逆变换得到融合图像。实验结果表明,该算法能显著改善融合图像的视觉效果。