基于小波变换的多模态图像融合算法的改进

为了进一步提高医学图像的融合效果,研究和改进了基于小波变换的图像融合算法,提出了一种改进小波变换金字塔融合算法.该算法对经过多层小波变换后的高低频小波系数,分别使用局部均值加权和分层线性加权的小波系数融合规则进行融合.通过编程试验,将该算法与空域和频域的各种融合算法进行对比,并使用主观和客观两种评价方法进行综合评价.实验结果表明,针对灰度图像特别是医学图像的融合,提出的融合算法与文中的对比算法相比较,在主观和客观的综合评价上表现出更好的融合效果.     

基于提升小波变换的图像融合新算法

给出了一种基于提升小波变换的图像融合方法,并对小波分解的不同频率域,分别采用不同的融合规则。选择低频系数时,是基于边缘的方法,选择高频系数时,把小波系数的方差与绝对值综合起来考虑来决定融合小波系数。实验结果表明,提出的方法融合效果要优于一般融合方法。     

基于小波域的自适应多尺度图像融合

在小波变换的基础上提出了自适应图像融合算法,该方法通过自适应多尺寸窗的应用得到融合图像.最后分别对仿真图像和多聚焦图像进行了图像融合的实验并与其它几种算法进行了比较.结果表明,该算法对提高图像融合的质量有显著的优势,证明了算法的有效性和可行性.     

基于改进的提升小波变换的图像融合算法

研究图像融合精度问题,由于光学传感器的光谱分辨率不同,在图像融合中易丢失信息,影响图像质量。传统的图像融合算法计算量大、实时性差的缺点,同时没有细致考虑低频分量融合规则以及高频分量邻域特征对融合的影响,因而得到的融合效果不理想。为了解决上述问题,提出了一种改进的提升小波变换图像融合新算法,算法引进了图像对称概念策略,仿真结果表明,改进的图像融合算法计算量明显减少,实时性也明显提高,与传统的标准小波变换图像融合算法以及拉普拉斯金字塔融合算法相比,较有效地提高了图像融合的精确度。     

基于小波变换和Sobel算子图像融合算法研究

研究了图像融合问题,要求图像符合人和机器的视觉质量.小波变换和Sobel算子图像融合算法的提出,主要是针对人们对经过小波分解后的图像边角上看不清楚的问题.改进主要在图像融合之前,采用各向同性的sobel边缘检测算子对图像边缘进行预处理,然后对图像采用小波变换对图像多层次分解,最后采用一定的融合规则对分解后的字图像进行融合.对两幅不同焦点的图像进行实验,结果表明采用改进方法使得局部对比度信息得到更好的保留,提高了分辨率,具有一定的实用性.     

基于平稳小波变换的图像融合算法

针对IHS（intensity,hue．saturation）融合算法的光谱畸变和正交小波变换融合算法的方块效应问题,提出了一种基于平稳小波变换的图像融合算法,并且探讨了在图像处理中应用灰色系统理论的可行性和有效性。该算法结合IHS变换,对于图像平稳小波分解的高频分量利用灰色关联分析准确、有效地检测出有用的边缘信息,并在确定融合权值时,给予不同的重视程度。实验表明,本文算法能够克服正交小波变换在图像融合中出现的方块效应问题,在保持光谱信息方面具有显著的优越性,并且能够有效提高融合图像的空间分辨能力,又由于新算法引入灰色关联分析进行像素分类,具有良好的抗噪性和可控边缘信息量等优点,使算法灵活、有效,进一步改善了融合图像的质量。     

基于小波变换的多聚焦图像融合算法

针对基于小波变换的多聚焦图像融合算法,改进融合规则和融合算子,低频分量采用以相关系数作为阈值的加权平均算法,高频分量采用基于区域特征的融合算法,并对最佳分解层数与最佳小波基的选取进行优化验证。通过对实验结果的分析,选用bior4.4小波,进行最佳分解层数小波分解,并应用改进的融合规则,在融合多聚焦图像的效果上,与其他多种融合算法相比,各项评价指标都比较理想。     

基于小波变换多聚焦图像融合算法改进

传统于小波变换多聚焦图像融合算法忽略了低频分量融合处理,这样会导致边缘失真问题.为了解决这个问题,文章提出了一种改进小波变换多聚焦图像融合算法,该算法的核心思想是对待融合图像进行多尺度分解,这样得到的图像就包含了低频图像,在对高频图像进行处理的同时,对低频图像使用局部区域梯度信息的方法进行处理.测试结果表明,和传统的融合方法相比本方法的融合结果效果更好.     

基于小波变换的图像融合研究

主要讨论了基于小波变换的多传感器图像融合算法。它的中心思想是把图像分解到不同的频率段上，然后在各自的频率段上分别采用不同的融合算子进行融合处理，从而得到完整的图像信息。     

基于静态小波变换和2代曲波变换的图像融合算法

提出了一种基于静态小波变换(SWT)和2代曲波(curvelet)变换的图像融合算法.首先将原图像分别进行SWT变换得到高、低频分量.然后,对低频分量采用基于2代曲波变换的方法进行融合,对高频分量基于绝对值最大的方法进行融合.最后进行SWT逆变换得到最终的融合图像.实验结果表明,该算法具有SWT变换和2代曲波变换二者的优点,主客观评价均优于单独SWT变换和单独2代曲波变换融合算法,也优于离散小波变换(DWT)和曲波变换相结合的融合算法.     

基于加权改进小波变换的图像融合算法

针对低对比度图像融合时会造成图像细节模糊等缺陷,提出一种基于加权双正交自适应小波变换的图像融合算法。取小波系数局部模极大并进行自适应加权修正以融合高频系数。采用对2幅原图像的低频系数加权自适应的方法对低频系数进行融合。对多聚焦图像和多光谱彩色图像分别采用计算图像信息熵和均方根误差、计算图像平均梯度的方法对融合的性能进行评价。实验结果表明,采用该融合规则得到的融合图像具有良好的融合效果。     

基于NSCT的图像融合算法

在基于非下采样Contourlet变换（NSCT）上提出了一种新的图像融合算法。对经NSCT的低频子带系数采取基于区域能量自适应加权的融合规则,对高频子带系数采用一种混合的融合规则,即选用基于区域强度比的加权选择融合策略进行低层的选择,高层采用像素点的绝对值取大的方法进行选取。实验结果表明,该算法在目视判别以及客观标准下明显优于文中其他基于多尺度分析的图像融合算法,可获得较理想的融合图像。     

基于二维提升小波变换的图像融合

将图像进行提升小波变换,分别对高低频采用不同的融合方法,得到融合后图像。并引入信息熵、相关系数和清晰度等性能指标对融合后的图像进行分析。实验结果表明,此提升方法在融合图像质量上优于传统小波变换。     

基于小波变换的医学图像融合技术的实现

研究目的：为了对医学图像进行基于小波变换的融合。方法：首先通过学习和研究小波理论的有关知识来研究小波理论在图像融合中的应用目的和实现方法，并借助MATLAB平台，通过小波工具箱实现了图像融合，同时比较了使用这两种方法实现图像融合的效果；然后借助MATLAB中的函数，通过编程实现了图像融合算法。结果：由两幅非同源的医学图像（CT图像和MRI图像）的融合结果可见，两种方法得到的融合图像的效果一致，其对于两幅图像中同一部位相对位置偏移量小的融合效果较好，但对偏移量较大以及存在形变情况的融合则效果不好。结论：通过小波工具箱可以实现一些简单的医学图像融合，但是随着医学图像融合技术的进一步发展和医学图像的复杂度的进一步加深，尤其是对于腹部和胸部的医学图像，则要通过非刚性配准之后才能再进行融合显像，其过程更加复杂。     

基于提升小波变换的图像融合规则综述

对提升小波变换的基本原理进行了介绍,描述了基于提升小波变换的图像融合的主要步骤,对基于提升小波变换的图像融合规则进行了概括。     

基于提升小波变换的图像融合规则综述

对提升小波变换的基本原理进行了介绍,描述了基于提升小波变换的图像融合的主要步骤,对基于提升小波变换的图像融合规则进行了概括。     

基于小波变换的自适应多聚焦图像融合算法

针对BURT法中阈值固定、与图像的不确定性较少关联的弊端,设计了一种基于小波变换的自适应融合算法.该算法运用小波变换对多聚焦图像进行分解,利用源图像的匹配度作为自适应阈值进行判别,再做相应的最大选取以及加权平均,最终通过小波逆变换得到融合图像.实验结果表明,该方法能够获得具有更丰富的信息量以及更高的清晰度的融合图像.     

一种基于提升小波变换和IHS变换的图像融合方法

为了将低分辨率多光谱图像和高分辨率全色图像进行有效融合,提出了一种提升小波变换和IHS变换相结合的图像融合新方法。该方法首先对高分辨率图像进行无下采样提升小波分解,利用提升分解得到的各提升小波面叠加的边缘信息进行区域划分,再采用分区域加边缘有效因子的融合思想实现分区融合,使得融合的图像最大限度地保留了多光谱图像的光谱信息和高分辨率图像的空间分辨率,其中区域的划分采用进化算法实现。该方法的融合结果与IHS法、小波变换法及其他改进方法进行比较,实验结果表明,该方法能较好地保留多光谱图像的光谱信息和提高分辨率图像的空间分辨率。     

一种基于小波变换的多传感器图像融合优化方法

文中针对小波变换在进行高分辨率图像和多光谱图像融合时,不能同时保持空间信息及光谱信息的问题,提出了一种优化的小波变换图像融合算法。它将高空间分辨率图像和多光谱图像经小波变换后的低频、高频分量先分别进行增强,然后再进行融合,优化了传统的基于小波变换融合方法。并且通过对同一场景的SAR图像和TM图像的融合实验,证明了该算法在有效地保留原图像光谱信息的同时,也很好地保持了空间细节。