基于NSCT和卷积稀疏表示的红外与可见光图像融合

针对红外与可见光图像融合时出现的细节模糊、对比度降低等问题,论文提出了一种基于非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)和卷积稀疏表示(Convolutional Sparse Representation,CSR)的图像融合方法.首先,分别对红外图像和可见光图...     

基于NSCT的SAR与可见光图像融合方法

为了更好地将可见光图像与噪声干扰严重的合成孔径雷达图像融合, 提出了一种最大尺度硬阈值去噪的方法, 在此基础上设计了一种融合规则, 根据噪声和信号在NSCT(nonsubsampled Contourlet transform)域的分解系数特性, 将NSCT分解的最大尺首先进行硬阈值去噪, 其他高频尺度与最大尺度对应的像素点取值方式保持一致, 在低频系数采用“简单绝对值取大”的融合规则, 最后进行NSCT逆变换得到融合图像。实验结果表明, 该方法能有效抑制斑点噪声, 并能充分保留源图像重要特征。     

改进稀疏表示与积化能量和的多聚焦图像融合

为解决多聚焦图像融合算法中细节信息保留受限的问题,提出改进稀疏表示与积化能量和的多聚焦图像融合算法。首先,对源图像采用非下采样剪切波变换,得到低频子带系数和高频子带系数。接着,通过滑动窗口技术从低频子带系数中提取图像块,构造联合局部自适应字典,利用正交匹配追踪算法计算得到稀疏表示系数,利用方差能量加权规则得到融合后的稀疏系数,再通过反向滑动窗口技术获得融合后的低频子带系数;然后,对于高频子带系数提出积化能量和的融合规则,得到融合后高频子带系数;最后,通过逆变换获得融合图像。实验结果表明,该算法能保留更详细的细节信息,在视觉质量和客观评价上具有一定的优势。     

基于NSCT变换的红外与可见光图像融合技术研究

提出了一种基于非下采样Contourlet变换(NSCT)的红外与可见光图像的融合算法。采用对低频系数取平均,对高频系数中最大分解尺度选择系数最大值,其他尺度系数采用局部方差最大的规则,通过对所得到的融合系数进行逆变换即可得到融合后的图像。实验表明:该算法结合了NSCT的多尺度、多方向和平移不变性的优点,能够更好地提取源图像特征,增强融合图像的空间细节表现能力。融合后的图像具有较好的主观视觉效果,标准差和熵值较传统的融合方法有所提高。     

基于混合模型驱动的红外与可见光图像融合

为了解决红外与可见光图像融合中显著特征不突出、图像对比度低的问题,提出一种混合模型驱动的融合算法.首先,采用潜在低秩表示模型分别提取红外与可见光图像的基础子带、显著子带及稀疏噪声子带;其次,采用非下采样剪切波变换模型将基础子带分解为低频系数和高频系数,对低频系数采用字典学习和稀疏表示进行精确拟合,对高频系数采用局部窗口...     

NSCT变换的SAR和可见光图像融合

非下采样Contourlet变换同时具有多尺度、多方向选择性、多分辨分析和平移不变性质的特点,对SAR和彩色可见光图像融合的问题,提出一种基于非下采样Contourlet变换和HIS变换相结合的多传感器融合算法。通过对经非下采样Contourlet变换分解得到的不同频域子带系数选择方案的分析,对低频子带系数的选择,提出了一种基于SAR图像与彩色可见光图像物理特征的“加权平均”的系数选择方案;针对各带通方向子带系数的选择,采用绝对值选大多分辨率融合算法。实验以同一场景下ku波段的SAR图像和彩色可见光图像进行算法验证,实验结果和信息熵、均值、相关系数、偏差指数和交叉熵等客观评价数据表明,方法具有较好的融合效果。     

基于NSCT的红外与可见光图像融合

提出一种基于非下采样Contourlet变换的红外与可见光图像融合方法。该方法对源图像经非下采样Contourlet变换分解后的高频系数,考虑不同传感器的成像机理进行活性度量,并结合多分辨率系数间相关性来实现加权融合;低频系数则通过一种局部梯度进行活性度量,再采用加权与选择相结合的规则实现融合。最后,通过非下采样Contourlet逆变换重构获得融合图像。实验结果表明了该方法的有效性和可行性。     

基于互补信息特征的SAR与可见光图像融合研究

由于成像方式及波谱接收段的不同,合成孔径雷达SAR（synthetic aperture radar）与可见光图像所反映的信息有很大差异,图像之间相关性弱,且互补性明显。因此在图像融合时,应该根据其互补性信息特征各取所长。在研究了一些现有融合方法的基础上,提出了一种基于互补信息特征的SAR与可见光图像融合方法。首先通过基于像素邻域的能量统计特性融合SAR与可见光图像,将SAR图像中的重要目标信息加入到可见光图像中,然后再利用小波变换进行二次融合,充分加入原始图像的边缘细节信息。实验结果表明,该融合方法有效。     

基于改进的稀疏表示和PCNN的图像融合算法研究

为提高图像融合的清晰度,本文提出一种基于改进的稀疏表示和脉冲耦合神经网络（pulse coupled neural network,PCNN）的图像融合。利用非下采样剪切波变换（non-subsampled shearlet transform,NSST）对源图像进行分解变换,得到相应的低频子带和高频子带具有不同的信息。对于低频子带,采用改进的稀疏表示进行融合,利用K奇异值分解（K-singular value decomposition,K-SVD）算法,并对源图像进行自适应学习的多个子字典构造成联合词典。对于高频子带,则改进PCNN融合系数的选择方法,利用改进的空间频率作为神经元反馈输入来激励PCNN模型,并根据点火输出的总幅度最大的融合规则选择高频系数。最后,将融合后的低频子带和高频子带系数进行NSST逆变换,重构出融合图像。实验结果表明:该算法很好地保留了图像的边缘信息,并且得到的图像在相关的客观评价标准上也取得了良好的效果,表明了本算法的有效性。     

基于双边滤波和NSST的红外与可见光图像融合

针对传统图像融合容易导致目标信息减弱、背景细节不清晰的问题,提出一种基于非下采样剪切波变换（Non-subsampled Shearlet Transform, NSST）和双边滤波的融合算法。首先,利用双边和高斯滤波器处理红外与可见光图像,得到包含红外目标的大尺度边缘图像;然后,采用NSST分解红外与可见光图像,得到相应的高频和低频子带系数,低频部分利用已得的大尺度边缘图像指导加权,高频部分采用绝对值取大的方法;最后将融合后的各频带系数经过NSST逆变换得到融合结果。实验结果显示,该方法既能有效突出红外目标,又充分保留了可见光图像中的背景信息,在信息熵、互信息和峰值信噪比等客观评价指标上也都优于传统的融合算法。     

基于Contourlet变换的多波段SAR图像融合

针对不同波段SAR图像的融合,该文提出了一种在Contourlet变换域融合的方法,利用Contourlet变换的充分表示图像边缘信息的能力,将图像分解为低通系数和不同方向的高频系数,对方向高频系数定义一个边缘信息量测指标,选择量测指标大的系数作为融合系数,解决了小波变换融合中图像边缘信息容易丢失的问题。通过对两波段SAR图像进行融合实验并与小波变换融合结果比较,在视觉特性与统计因子客观评价上均取得了更好的效果。     

基于稀疏表征的可见光和近红外光人脸图像融合快速识别算法

近年来,融合可见光和近红外光的人脸图像特征识别成为一个研究热点。对该领域中的快速人脸识别技术进行研究,并给出了一个具体的实现方案。该方案主要包括以下3种技术:原始样本的下采样;基于稀疏表征原理,选取测试样本的M近邻来代替原始训练样本;加权决策融合。在CSIST人脸库上的实验结果表明,和同类算法相比,所提算法在识别率和计算速度上均有提高。     

香农熵加权稀疏表示图像融合方法研究

针对传统稀疏表示同步超分图像融合模型中对于 LL （Low-low frequency）、LH （Low-high frequency）、H （High frequency）三部分等比例加权,不能突出重点信息之不足,本文提出一种香农熵多视角加权稀疏表示同步超分图像融合方法. 该方法引入香农熵加权技术,针对 LL、LH、H三部分根据图像特征进行自适应加权,突出重点频率段的影响,从而提高了图像融合的效果. 在多组不同类型图像上进行了实验,实验结果表明所提方法无论从融合视觉效果还是评价指标上均显示出有效性.     

基于稀疏表示和时频变换的ISAR成像算法

逆合成孔径雷达对空中机动飞行目标进行成像,在成像积累时间内,成像投影平面和横向尺度随时间变化,许多参数很难准确提取,人们无法获得更多的先验知识。一般采用鲁棒性强的距离-多普勒(RD)算法进行成像,但传统的RD成像算法基于目标匀速转动和方位均匀采样的假设,若用其对机动目标进行成像,则图像模糊,尤其对于随机缺损的雷达回波数据,其成像质量显著下降,甚至无法辨识。通过引入稀疏表示和时频变换,提出了一种基于稀疏表示和时频变换的距离-瞬时多普勒成像算法,其可对一般机动飞行目标进行有效成像。实验结果验证了所提算法的有效性和可行性。     

基于字典学习和拓展联合动态稀疏表示的SAR目标识别

提出了一种基于字典学习和拓展联合动态稀疏表示的合成孔径雷达(Synthetic aperture radar, SAR)图像的目标自动识别(Automatic target recognition, ATR)方法.首先, 在图像预处理时, 分割出目标区域和目标遮挡地面形成的阴影区域, 将这两个区域的信息结合起来能更好地表示图像.其次, 将字典学习方法LC-KSVD (Label consistent k-singular value decomposition)引入到训练阶段中, 分别学习目标区域和阴影区域的特征字典, 而不是直接将所有训练样本作为固定字典.最后, 在测试阶段提出了拓展联合动态稀疏表示算法, 使图像数据中的两个特征共享相似但不完全相同的稀疏模式, 还可处理图像噪声遮挡损坏问题.标准数据集上的实验结果表明, 该方法使不同类别更具区分性, 有效地提高了SAR图像的目标识别准确度.     

基于小波变换和稀疏表示的图像去噪

传统小波阈值去噪在对图像进行去噪时,并不能很好地保留图像的细节纹理等边缘信息部分.针对这一不足,结合了稀疏表示相关的理论,提出了一种基于小波变换和正交匹配算法相结合的图像去噪算法.首先选取小波函数对含噪图像进行处理,分离出图像的高频和低频小波系数,然后对高频系数结合正交匹配追踪算法,通过多次反复迭代求得高频稀疏分量,再结合低频分量,用逆小波变换得到恢复图像.实验结果表明,在相同的噪声条件下,该算法能取得较好的峰值信噪比(PSNR),获得更好的视觉效果.     

遥感图像融合的非采样Contourlet变换方法

有效地融合高分辨率全色遥感图像(PAN)和低分辨率多光谱图像(MS),均衡融合结果中的空间细节信息和光谱信息两项特征指标,是多源遥感图像融合技术的难点。为了提高融合后图像的质量,提出了一种基于非采样Contourlet变换(NSCT)的融合方法。由于"非采样Contourlet变换"采用非采样滤波器组实现,具有移不变、高方向性和各向异性的特点,能够较好地弥补"采样的Contourlet变换(CT)"的缺陷,并且解决了小波变换方向性差的问题。实验中,以Landsat TM5图像和SPOT图像进行了算法的验证,并针对传统的直接替换、绝对值选大和局部方差选大等多分辨率融合算法与离散小波变换(DWT)及"采样的Contourlet变换"进行了对比分析,结果表明,本文方法在提高空间信息的同时,可以较好地保持原始多光谱图像中的光谱信息,弥补了"采样的Contourlet变换"在遥感图像融合应用中会导致严重的色彩畸变的缺陷。从而证明了NSCT在遥感图像融合领域是一种有效的多分辨率分解策略,可以被成功的应用到遥感图像融合应用中。     

基于NSCT和支持向量机的SAR图像识别

针对传统的合成孔径雷达图像（SAR）识别算法识别精度低,用时长等问题,提出一种基于非下采样轮廓波变换（NSCT）和支持向量机（SVM）的SAR图像识别算法。首先通过非下采样轮廓波变换将目标图像分解成不同的尺度,然后得到目标图像的低频分量和高频分量;接着在高频分量中提取方向梯度直方图特征（HOG）,在低频分量中利用局部二值化算法（Local Binary Pattern,LBP）提取纹理特征;然后将提取的梯度方向直方图特征和局部二值化特征空间连结,并使用支持向量机（SVM）作为分类器;最后对算法进行了测试。实验结果表明,该方法不仅能够有效地提高了SAR图像目标分类的精度,在MSTAR数据库上的准确率达到90.7%,而且对相干斑的影响具有较高的鲁棒性。     

基于潜在低秩表示及导向滤波的红外与可见光图像融合方法

针对红外与可见光图像融合过程中出现的细节损失严重等问题,提出一种基于潜在低秩表示与导向滤波的红外与可见光图像融合方法.首先,采用潜在低秩表示方法将源图像分解为低秩图层和显著图层,为了更多地提取低秩图层中细节信息,采用导向滤波将低秩图层分解基础图层和细节图层;并针对基础图层、细节图层和显著图层的特性,分别采用视觉显著度加...