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。     

基于区域特征的小波变换图像融合方法

图像融合的目的是把来自多传感器的数据互补信息合并成一幅新的图像，以改善图像的视觉效果。笔者提出一种基于小波变换的图像融合方法，其思想是先把待融合图像采用小波进行分解，然后在对分解后的小波系数矩阵采用区域特征进行融合处理，最后采用小波逆变换得到融合图像。该方法很好地区分了图像低频分量和高频分量对融合的不同影响，实验表明取得了较好的融合效果。     

基于区域平均梯度与区域能量的图像融合

同时引入区域平均梯度和区域能量,给出一种改进的小波图像融合算法。对图像进行小波分解,得到各自的低频分量和高频分量,对低频部分采用区域平均梯度取大的规则进行融合,对高频部分以区域能量取大的规则进行融合,然后经小波重构得到融合图像。针对多聚焦图像进行的仿真实验结果显示,所给融合算法可改进基于区域平均梯度和基于区域能量的小波图像融合算法的性能,融合图像的模糊现象在视觉效果上有所改善,其峰值信噪比和互信息也有所提高。     

基于区域特征的遥感图像融合方法的改进

提出了一种基于小波变换的区域遥感图像融合方法的改进。对图像进行小波多分辨分析,以分解后的高频子图像的区域能量构造匹配度和融合算子,并给出了两个阈值,以便根据不同的特征构造不同的融合算子。对于低频部分采取加权平均的融合规则。并通过小波逆变换得到融合图像。根据主观目视判决和客观评价指标对融合结果进行了比较和分析,结果表明,本文的方法融合效果优于一般的融合方法,具有应用价值。     

一种基于区域分割的红外可见光图像融合方法

提出了一种基于提升小波和区域分割的红外可见光图像融合方法。先对红外图像和可见光图像进行提升小波分解,得到各自的高频和低频子图像,利用红外图像的热效应特征显著的特点对红外图像的低频子图像进行检测分割,用分割得到的二值图像来指导低频子图像的融合决策,对于高频子图像,采用区域方差匹配度决策法,最后对融合后的小波系数进行重构得到融合图像。实验结果表明,这种算法能够合理有效地保留红外图像的热目标信息以及可见光图像中丰富的光谱信息,提高了图像的可理解性,客观评价准则与目视效果吻合良好。     

基于成像机理的遥感图像融合

探讨了遥感多光谱与全色波段图像的融合问题．分析了多光谱与全色波段成像机理,提出了一种新的基于小波变换的遥感图像融合方法,实验结果表明,该方法可有效综合多光谱与全色波段图像的优点,从而获得具有较高空间分辨率的多谱图像．     

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。     

一种基于最大区域熵值的图像融合方法

针对图像融合中不同区域在融合中的不同作用,给出了图像区域熵的概念,在此基础上提出了一种基于最大区域熵值的图像融合方法.首先对参加融合的两幅图像进行分块处理,然后分别计算出对应区域熵的大小,最后选取区域块中熵值较大者作为融合结果.试验结果表明,与现有的基于像素规则融合方法相比,能更好地突出不同图像的区域特征,减少冗余信息,从而取得了更好的融合效果.     

基于NSCT和遗传算法的SAR图像和多光谱图像融合

合成孔径雷达(SAR)图像与多光谱图像成像机理和光谱特性差异较大,一般的融合方法很难取得满意的融合结果。文章提出了一种基于Nonsuosampled Contourlet transform(NSCT)和遗传算法的融合算法,首先将经过预处理后的图像进行NSCT分解,低频系数采取区域信息熵最大的准则融合;高频子带计算区域相关性,对相关性在不同阈值范围内的系数进行融合,阈值的选取采用遗传算法进行搜索;最后对融合系数进行NSCT逆变换,得到融合结果。仿真结果表明该算法显著优于基于像素点和基于区域的融合方法。     

基于Piella框架的声纳图像融合研究

基于Piella框架的加权多分辨率图像融合方法结构繁复,并且融合规则没有充分考虑到人类视觉特性。针对这些问题,提出一种只采用活性测度控制合成模块的多分辨率图像融合扩展模式。在该扩展模式的基础上,给出一种结合融合图像质量评价标准和前一分解层信息的多分辨率图像融合算法。该算法考虑到融合结果多以人眼为信宿,将图像质量评价标准引入到高频子带融合规则中;同时考虑到由于多尺度分析的存在,当前分解层低频子带的信息保有量明显少于前一分解层,将前一分解层信息引入到低频子带融合规则中。通过声纳图像融合实验,证明该方法融合效果良好,鲁棒性强,是一种有效的声纳图像融合方法。     

基于显著计算与自适应PCNN的图像融合方法

针对多尺度变换的图像融合对低频系数进行简单的加权平均处理时,不能很好地保护源图像中的显著信息的问题,提出一种将视觉显著计算的结果作为自适应脉冲耦合神经网络的链接强度,通过脉冲耦合神经网络指导多尺度图像融合中低频系数融合的方法。首先对源图像进行形态非抽样小波分解,得到低频系数和各尺度的高频系数,对低频系数采用显著计算与脉冲耦合神经网络的融合规则,高频系数选取绝对值较大者,最后通过反变换得到融合图像。实验结果表明,该方法在一定程度上保留了源图像中的显著信息,改善了互信息、信息熵、平均梯度和边缘保持度等融合指标。     

图像依赖的显著图融合方法

提出基于脊回归的显著图融合方法以获得更好的检测效果.在训练集中寻找待检测图像的近邻图像集,对近邻图像集采用脊回归方法对多种显著性检测方法的融合系数进行估计,进而对不同检测方法的显著图进行融合.该方法充分考虑了检测方法的差异性,很好的解决检测图像在没有基准二值标注下显著图的融合问题.试验采用流行的显著性数据集和显著性检测...     

一种基于图像融合的红外图像增强新方法

提出了一种红外图像增强的新方法，该方法对红外图像处理过程中不同类型的噪声采用不同的方法滤波，有效地滤除了高斯噪声和脉冲噪声，同时增强了目标和背景中的边缘成分．该方法以增加检测系统硬件复杂程度为代价换取对红外图像特定信息的增强，可用于地面背景下红外图像目标检测或匹配跟踪的预处理．     

基于整数小波变换的图像融合算法

图像融合技术是将同一对象的两个或更多的图像合成在一幅图像中,以便使它比原来的任何一幅图像更容易为人们所理解。成功地进行图像融合的关键在于找到有效实用的图像融合算法。本文提出了一种基于整数小波变换的图像融合算法,首先将待融合的源图像作多层整数小波分解,然后对各分解层分别实行融合处理得到新的小波系数矩阵,最后通过整数小波逆变换得到融合的图像。实验结果表明本算法具有很好融合效果和实用性。     

基于小波包移频算法的遥感图像融合技术

为了对分类最小二乘支持向量机实施有效的稀疏化，以提高分类速率，采用分类相关分析算法，按序提取样本核矩阵的全部分类相关成分，并依据样本核矩阵各列与分类相关成分的相关性，对训练集所有个体按分类的重要性排序，进而可选取最重要的部分个体作为支持向量，并将其余非支持向量的信息转移至支持向量，以提高支持向量的分类表达能力.由此构建一种新的稀疏型最小二乘支持向量机CS LSSVM，并将其应用于多个模式分类的实际问题.测试结果表明，CS LSSVM稀疏性很强，且保持了标准LSSVM的分类性能，还可直接适用于多类问题.     

基于信息弥散机制的图像显著性区域提取算法

为了更好提取图像的显著性区域,提出基于信息弥散机制的图像显著性区域检测算法。在所提算法中,首先将图像分割成超像素,根据图像中显著性区域频率变化比较大的特性,生成图像显著性区域的高频节点;然后针对高频节点利用凸包运算寻找显著性区域的种子节点,最后使用二阶高斯-马尔科夫随机场信息弥散方法在图像中对种子节点进行显著性区域信息扩散,得到图像的显著性区域。试验结果表明,利用二次规划求解每个数据之间的线性关系进行信息扩散,能够达到避免阈值选择和信息精准分类的效果,其结果优于同类的图像显著性区域检测算法。     

基于DT-DWT的医学图像融合算法

将具有平移不变性和良好的方向分析能力的双树离散小波引入医学图像融合的方法中,提出了高频子带采用基于跨尺度的邻域空间频率的融合策略,最高层的低频子带采用基于改进的邻域熵的融合策略进行融合处理的融合算法.实验结果表明该方法能够更有效的实现融合,有着良好的融合效果.     

基于自适应流形相似性的图像显著性区域提取算法

为了在图像显著性区域提取过程中改善算法的自适应性和精准度,提出基于自适应流形相似性的图像显著性区域检测算法。将图像分割成超像素,根据图像中显著性区域频率变化比较大的特性,生成图像显著性区域的高频节点;针对高频节点利用凸包运算寻找显著性区域的种子节点;使用流形算法在图像中对种子节点进行显著性区域信息扩散,得到图像的显著性区域。试验结果表明:利用流形算法搭建求解每个数据的邻接矩阵进行信息扩散,能够在保证信息精准分类的同时提高算法的自适应性,其结果优于同类的图像显著性区域检测算法。     

遥感图像中基于视觉显著性的分层目标检测

针对遥感图像自动判读的应用场景,提出了一种基于视觉显著性的分层目标检测方法。该方法对于每一个特征定义一个偏好函数,并定义一个将各偏好函数计算的多个视觉显著性图像合成为一个视觉显著性图像的合成偏好函数。首先对低分辨率目标图像分别使用各偏好函数计算对应特征的视觉显著性图像;然后使用合成偏好函数计算合成的视觉显著性图像;最后定位出合成偏好函数取得最大值的区域,并将其作为最有可能包含目标的候选区域。这三个步骤在定位出的候选区域对应更高分辨率的图像上反复进行,直到待检测目标被发现或者被确定不存在为止。实验结果证明,该方法能够尽早地略过那些不包含目标的区域,与传统的目标检测方法相比,具有更好的检测效果和更少的计算量。     

基于多方法融合的非监督彩色图像分割

针对传统K-means聚类彩色图像分割方法需要人为设定初始分割类别数目、易受噪声干扰等缺陷,提出一种多方法融合非监督彩色图像分割算法。该算法对原始图像进行光谱信息增强处理以提高图像信息提取效率,对K-means聚类引入戴维森堡丁指数(Davies-Bouldin index, DBI)自动化确定最佳分割类别数目,通过图像聚类分析并进行像素标签标记,并结合高斯马尔科夫随机场(Gauss-Markov random field, GMRF)理论对标记图像进行分割,最后使用形态学算子进行后处理完成分割操作。试验结果表明。本研究方法具有一定的鲁棒性,且分割效果更接近真实性。通过对分割结果进行量化评价,进一步说明本研究方法在分割精度和准确性方面更具优势。