MATLAB环境中的人脑医学图像融合与识别方法研究

运用MATLAB平台开发了人脑医学图像融合系统,引入小波变换方法,提出了基于坐标映射的小波最佳分解级数选择准则。对使用不同高低频选择规则和融合算法时的融合结果都进行了主客观分析。实验表明,基于小波变换的融合方法比其他方法更好。由于已经融合的灰度图像不能包括两幅源图像的所有细节信息,而且灰度图像在细节上不如彩色图像容易辨别,所以对已融合图像进行了伪彩色变换。实验表明,伪彩色图像增强了融合图像某些细节信息的可视性。     

一种边缘优化的红外与可见光图像模块化融合方法

针对红外与可见光图像融合中出现的对比度较低和图像模糊的问题,提出了一种边缘优化的模块化融合方法.首先,对红外图像进行局部对比度自适应增强,突出红外图像中的目标;然后分别对红外图像和可见光图像进行HSV色空间变换,在亮度分量中,对其进行边缘细节增强的模块化融合,进一步突出红外图像中的目标轮廓;最后,结合可见光图像的色调和饱和度分量,经过RGB色空间的转换,获取融合后的图像.结果表明,与简单加权平均算法和小波融合算法的融合结果相比较,该融合算法能够较好的保持原图像的细节和目标信息,图像的对比度和清晰度也有较大的提高.     

结合Curvelet变换和模糊聚类的图像融合算法

本文为了能够有效的提取图像细节信息,滤除噪声和保留有用信息,提出了一种基于curvelet变换和模糊聚类理论的图像融合算法。首先对图像进行curvelet变换,获得图像的低频和高频分量;随后依据低频和高频分量的不同特征采取相应的融合规则,高频分量采用区域能量为系数进行加权融合。低频分量则采用基于模糊聚类理论的融合规则以实现对噪声的过滤。最后再对融合后的图像进行curvelet反变换,获得融合后的图像。实验结果表明,该方法能够获得较高的平均梯度、峰值信噪比、空间频率和结构相似度,有效地保留融合图像的细节信息,去除噪声,是一种有效的多聚焦图像融合方法。     

基于MSR Retinex参数融合的真彩色图像增强

针对小波变换的单尺度(SSR)Retinex的真彩色图像增强算法的不足,文章提出了一种基于非抽样小波变换的多尺度(MSR)Retinex参数融合的真彩色图像增强算法,该算法在HSV空间下将亮度分量V按3个不同参数进行Retinex变换,对得到的不同参数再进行基于非下采样小波变换的融合,进而得到融合后的V分量,最后,将处理后的高低频系数进行反变换得到增强后结果图像。     

基于小波变换的一种红外图像增强算法

图像增强处理是红外图像预处理的必要和关键环节,但目标物体信号弱造成红外图像的对比度差,外界噪声干扰严重造成图像质量差。基于此,提出了一种基于小波变换与奇异值分解和阈值滤波相结合的增强算法。本文用小波分解将红外图像的高频与低频系数分开,低频域用奇异值分解处理方法来增强对比度和图像质量,高频域用阈值滤波处理来消除噪声突出细节;最后,经过小波逆变换和小波重构得到最终的增强图像。实验结果表明:此方法对比传统的红外增强算法,可以将红外图像的对比度提高,增强红外图像细节,在直观上更符合人的感官感应,是一种有效的红外图像增强方法。     

一种基于二维离散小波变换的边缘检测方法

本文在传统边缘检测算法的基础上,给出了一种基于二维离散小波变换的边缘检测方法。首先对原图用直方图均衡化进行图像增强,对增强后的图进行二次小波分解得到图像的近似部分和细节部分,然后把第二次的低频图像置为零,进行小波重构得到图像的边缘,因此能够更好的检测到原图像忽略掉的边缘。     

深度玻尔兹曼机在图像融合中的应用

针对可见光与红外图像融合时出现的特征信息提取不足等问题,提出了一种基于非下采样剪切波变换(NSST)与深度玻尔兹曼机(DBM)的可见光与红外图像融合方法。首先,利用DBM实现红外图像的最优能量分割以提取其中的显著红外目标;其次,将分割得到的显著目标区域与背景区域分别投影至源图像,获得相关映射图;最后,使用NSST分别对可见光图像与红外投影图像进行多尺度、多方向稀疏分解,对源图像的一系列子图像进行融合,并采取NSST反变换重构获得最终融合图像。仿真实验结果表明:与现有的3种经典方法相比,本文方法在信息熵方面高于轮廓波变换法约4.1%,在平均梯度方面高于NSST法约1.0%,在互信息方面高于NSCT法约3.8%。获得的融合图像具有较高的对比度和丰富的细节信息。     

Contourlet变换系数加权的医学图像融合

本文针对多模态的CT、MRI图像的融合,利用Contourlet变换多尺度、多方向的特性,提出了系数加权的融合算法。对于低频子带,采用局部信息均值和方差来进行系数加权;对于高频子带,采用条件加权。将本算法应用于不同模态的医学图像的融合,有效增加多模态医学图像的互补信息,提高融合的清晰度。     

基于NSST和区域生长的红外与可见光图像融合算法

针对当前红外与可见光图像融合中红外目标提取信息度不足和灰度对比度较低的问题,将多尺度多方向变换技术与目标提取技术相结合,提出了1种基于非下采样剪切波变换(non-subsampled shearlet transform,NSST)和区域生长的红外与可见光图像融合算法。首先对红外图像运用区域生长法提取出目标区域并投影到可见光图像中,然后对映射图像与红外图像做NSST分解得到各尺度各方向的子带图像。低通子带融合系数的选择采用基于区域能量的加权平均法,高频子带系数的选择采用基于改进型Sobel算子和区域平均梯度的融合规则。最后通过对融合系数做NSST逆变换得到期望的融合图像。实验结果表明,所提算法得到的融合图像红外目标突出,背景清晰,定位准确,平均灰度也更接近源可见光图像,具有良好的视觉效果。     

一种基于小波变换的多尺度铅笔画生成算法

近年来,非真实感绘制技术(non-photorealistic rendering,即NPR)在娱乐视频、医学等方面都有广泛的应用。现存的许多自然图像铅笔画生成算法,效果都不太理想,存在如铅笔画边缘线条粗重或者层次不够突出、缺少细节等一系列问题。在分析了传统的铅笔画生成算法的基础上,提出了一种改进的自然图像的铅笔画生成算法。该算法仿照艺术家手工绘制铅笔画的过程,使用小波变换的多尺度方法生成铅笔线条轮廓图,使得到的线条轮廓图保留了更多的细节信息且边缘线条不会十分粗重;再利用直方图匹配的方法得到与艺术家手工绘制铅笔画相同的色调,并使用一个优化将色调与铅笔画的纹理图结合从而得到色调纹理图;最后将线条轮廓图与色调纹理图合并得到效果良好的铅笔画。通过将该算法应用在各类图像上,发现由该算法得到的铅笔画效果与现存铅笔画生成算法相比,不仅保留了更多的细节,而且更加接近艺术家手工绘制的铅笔画。