利用Contourlet变换和方向Teager能量的图像融合

提出一种基于Contourlet变换和方向Teager能量的图像融合算法。首先采用Contourlet变换对图像进行分解,然后高频子带图像分别按行和列进行Teager能量计算,选取最大Teager能量作为融合算子,对于低频系数和方向高频系数采用最优加权系数算法来实现图像的融合处理。实验结果表明,提出的算法与小波分解算法相比不仅可以保留原始图像边缘和纹理信息,而且可取得良好的融合视觉效果。     

基于小波变换的零件图像融合与边缘检测

提出基于小波变换的零件图像数据融合和边缘检测的方法,对图像进行分解,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,获取图像边缘,或对图像进行小波多尺度边缘检测,然后融合边缘。     

基于补偿机制的NSCT域红外与可见光图像融合

针对传统基于非下采样Contourlet变换和脉冲耦合神经网络的图像融合方法易出现图像失真的缺点,本文提出一种基于小波变换与PCNN补偿的NSCT域内红外与可见光图像融合方法。首先将红外和可见光图像分别进行NSCT分解,得到低频分量和高频分量;然后对低频分量进行二维小波分解,得到1个低频子带和3个方向子带,对其低频子带采用局部能量加权的方法进行融合,其余3个子带采用绝对值取大的方法进行融合;NSCT分解的高频子带融合规则分为对最高层的融合和其他层的融合,最高层采用绝对值取大的方法进行融合,而其余层采用的是基于改进型的PCNN的方法进行融合;最后将得到的低频子带和高频子带进行NSCT重构获得融合图像。合成及真实图像集实验结果表明,本文算法相对于传统的融合方法增加了图像的纹理和细节信息,有效地抑制了图像失真问题,具有较高的融合精度与较快的融合效率。     

基于小波变换的零件图像数据融合

提出一种基于小波变换的图像数据融合的方法,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。实验表明,该方法是实用的。     

基于小波变换的图像降噪技术研究

根据小波变换和噪声信号的能量分布特性,提出了一种先用小波变换对含噪图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法;实验结果说明该方法既可以有效地降低噪声,又可以较好地保持图像细节。     

基于邻域方差加权平均的多聚焦图像融合法

对已有的邻域方差加权平均的小波图像融合方法进行改进,利用离散小波变换对两幅多聚焦图像进行分解,得到了图像的低频和高频分量。根据多聚焦图像的特点,提出使用小波空间频率来选取低频系数,使用邻域方差加权平均方法来提取高频系数,将所得到的低频系数和高频系数重构融合图像。最后使用熵和交叉熵作为评价标准,得出改进方法优于原方法的结论。     

基于小波变换纹理一致性测度的遥感图像融合算法

本文提出了一种基于小波变换的遥感图像融合算法，利用多分辨小波变换的系数，采用低频图像的小波系数最小值作为融合后的低频系数，高频图像根据纹理一致性测度的纹理检测确定融合规则，调整高频小波系数大小。利用小波变换对图像相对应的低频分量及各方向细节分量进行针对性融合处理，很好地将来自不同图像的特征与细节融合在一起，并对融合图像质量进行了对比评价。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传统的图像融合方法。     

基于Contourlet变换的多传感器图像融合

提出了一种新的基于Contoutlct变换的融合多传感全色和多光谱影像的算法;由于Contourlet变换具有良好的多方向性和多尺度,所以比其他方法更适应于进行多传感图像融合,对于Conmurlet变换后得到的低频和高频分量系数,采用平均法选择低频区域系数,选择区域"能量"较大的高频系数作为融合影像的高频系数;实验结果表明,基于所提出的contouriot变换的融合结果.优于其他常用的融合方法.     

基于客观评价系数的迭代图像融合方法

本文根据传统的加权平均法和基于塔型变换的多尺度分解方法,以均方根误差和平均误差是否为阈值的判别标准,提出了基于客观评价系数的迭代融合方法。首先将待融合的源图像进行传统方法的融合,比较融合后图像的客观评价系数与设定阈值大小,倘若小于设定阈值,则融合操作结束;若评价系数大于设定阈值,则继续进行融合,迭代进行直到融合结果的客观评价系数达到期望值。实验结果表明,该方法的融合结果相对于传统方法更加精确。     

基于压缩感知的红外与可见光图像融合

基于压缩感知理论提出了一种红外与可见光图像的融合新方法。该方法将Contourlet变换(CT)和小波变换(WT)相结合,以进一步增加变换后系数的稀疏性,同时对采样模式和融合规则进行改进。首先对图像进行Contourlet变换,再对各高层分解系数进行正交小波变换;然后使用各层采样率不同的分立双放射形采样矩阵对系数采样,并用不同的规则对各层采样值进行融合;最后使用非线性共轭梯度法重构融合图像。实验结果表明,在采样率为0.5时,本文方法融合图像的细节信息比小波方法和小波变换压缩感知(WTCS)方法更加丰富;在所有采样率上,本文方法的融合效果比WTCS法在互信息、空间频率和融合信息逼真度等客观融合质量评价指标上均提高约10%。     

多传感器图像融合的客观评价与分析

图像融合作为一种有效的信息融合技术，已经广泛用于军事、遥感、机器视觉和医疗诊断等领域。这里研究了多传感器图像融合效果的客观评价方法，其中包括均方根误差、平均误差、灰度标准差、熵、熵差、交叉熵、互信息和空间频率。将加权平均、金字塔、小波变换三种方法用于多传感器图像的融合，实验结果表明客观评价结果与视觉评价的结果是一致的，是一种行之有效的评价手段。     

基于方向对比度和区域标准差的图像融合方法

提出了一种基于方向对比度和区域标准差最大化的多分辨率图像融合新方法。该方法先对参加融合的源图像进行小波多分辨率分解并定义方向对比度和区域标准差,然后采用基于方向对比度和区域标准差最大化的融合规则得到融合后图像的小波系数;最后通过逆小波变换得到融合图像。采用该方法得到的融合图像突出和增强了各源图像的对比度与细节信息。实验结果表明该方法是十分有效的。     

结合目标提取和压缩感知的红外与可见光图像融合

针对红外与可见光图像融合易受噪声干扰从而使目标信息减弱的问题,提出了一种基于目标区域提取和压缩感知的融合算法。首先,在频率域上对红外图像进行显著区域检测得到其对应的显著度图,并在显著图指导下结合区域生长法提取红外图像的目标区域,有效抑制噪声与复杂背景的干扰。然后,用非下采样剪切波变换对待融合的图像进行分解,采用不同的融合策略分别对目标与背景区域的高、低频子带进行融合。针对背景区域提出一种新的基于多分辨率奇异值分解和压缩感知的融合规则,最后,进行非下采样剪切波逆变换得到融合图像。与其他算法的对比实验结果表明,本文算法能更好地突出目标区域,保留图像细节信息,抑制噪声干扰;图像质量评价指标中的信息熵、标准差、互信息、边缘保持度分别提高了3.94%,19.14%,9.96%和8.52%。     

基于小波分解灰关联的热波检测图像增强

针对热波检测图像存在的高噪声、低对比度等问题,提出一种基于小波分解和灰关联分析的图像增强方法。该方法首先采用小波变换对待处理的热波图像进行三级小波分解,得到图像相应的低频分量和高频分量,然后利用图像中干扰信号和有用信号在分解后不同分量上的分布规律,采用灰色理论中的灰色关联分析理论来区分高频分量中的干扰信号和有用信号,从而实现对图像中噪声的抑制以提高图像的质量。实验结果表明:提出的方法与常规的滤波方法、小波阈值去噪增强等方法相比,图像的对比度得到明显改善,峰值信噪比最大,因此该方法可用于热波检测图像的增强处理中。     

基于三通道不可分对称小波的多聚焦图像融合

针对Daubechies系列小波不具有对称性、张量积小波变换只强调水平和垂直方向的不足,提出了一种基于三通道不可分对称小波的多聚焦图像融合方法.利用矩阵扩充的方法,给出了一种三通道不可分对称小波滤波器组的构造方法,用所构造的不可分小波滤波器组分别对多聚焦图像作非下采样多尺度分解,采用低频分量系数值取小、高频分量系数绝对值取大的融合规则对分解后的子图像进行融合.实验结果表明,该方法有较好的融合效果,其融合结果图像有较丰富的边缘信息、较高的清晰度和空间分辨力,其融合性能比基于不作采样的张量积离散小波帧变换的融合方法的融合性能好.     

应用第二代Curvelet变换的遥感图像融合

提出了一种基于第二代Curvelet变换遥感图像融合算法。将具有高空间分辨力的Pan图像与Ms图像的待融合波段图像进行直方图匹配,并对直方图匹配后的Pan图像与待融合波段Ms图像分别进行Curvelet变换分解,得到各自的低频子带系数和各带通方向子带系数;采用一定的融合规则对Curvelet变换系数进行组合得到融合图像的Curvelet系数;最后对组合后的系数进行Curvelet重构得到该波段具有高空间分辨力的Ms图像。对IKONOS卫星遥感图像的仿真实验结果表明:与传统的基于亮度-色调-饱和度彩色空间变换融合算法相比,该算法使融合后的Ms图像整体光谱保持度提高了10.54％,而与传统的基于小波变换的图像融算法相比,其空间质量提高了0.81%~1.12%, 有效解决了基于亮度-色调-饱和度彩色空间变换融合算法中光谱失真严重和基于小波变换图像融合算法中空间质量较低的缺点,使得融合后的Ms图像在最大可能地保持原始Ms图像光谱特性的同时,显著提高了融合图像的空间质量。     

利用脉冲耦合神经网络的图像融合

为了获得对同一场景更为准确、全面和可靠的图像描述,提出了一种基于脉冲耦合神经网络(PCNN)的图像融合方法。将多源传感器图像配准后的各个源图像用9/7小波变换的提升算法进行分解,从而得到各个源图像的低频分量和高频分量。对于低频分量,采用像素绝对值选大法进行融合;而高频分量则作为PCNN的输入,在迭代结束后,通过比较PCNN点火次数得到一系列融合子图像;然后,用9/7小波的提升算法将获取的一系列多尺度融合子图像进行反变换得到最终的融合图像。设计了可见光图像与红外图像的融合实验,对融合图像的熵、平均梯度、标准差、空间频率进行了定量比较。当使用标准源图像进行融合时,各值比使用传统小波变换与PCNN相结合的图像融合方法分别高0.0104,0.2459,0.1131和0.2846。     

基于非下采样双树复轮廓波变换和稀疏表示的红外和可见光图像融合

提出了一种基于非下采样双树复轮廓波变换(NSDTCT)和稀疏表示的红外和可见光图像融合方法,以改善传统的基于小波变换的图像融合方法的不足。该方法首先利用形态学变换处理源图像,利用NSDTCT变换进行图像分解得到低频子带系数和高频子带系数。根据高低频系数的不同特点,提出改进的稀疏表示(ISR)的融合规则用于低频子带;然后将改进的空间频率作为脉冲耦合神经网络的外部输入,提出基于自适应双通道脉冲耦合神经网络(2APCNN)的融合策略用于高频子带。最后通过NSDTCT逆变换获得融合后的图像。实验结果表明:本文方法在客观指标和视觉效果方面均优于传统图像融合的方法。与传统的NSCT-SR方法相比,实验的两组图像中4个客观指标:互信息(MI)、边缘信息保留量QAB/F,平均梯度(AG)和标准差(SD)分别提高了9.89%、6.39%、104.64%、55.09%和9.53%、17.77%、95.66%、52.89%。