一种基于梯度域的彩色图像转灰度图像的方法

本文提出了一种基于梯度域的彩色图像转灰度图像的方法。当彩色图像转化为灰度图像时,一些亮度相似但颜色不同的可视细节可能会丢失。本文通过在梯度域的操作,试图减少这种彩色图像转化为灰度图像时可视细节的丢失。此方法首先将图像从RGB颜色空间转化到LCrCb空间,然后对各个分量分别计算其梯度。其次对亮度L的梯度进行修改,若梯度值较大,则保持不变;若梯度值较小,并且对应位置色差分量Cr或Cb的梯度值较大,则保持亮度L梯度的方向不变,适当放大其大小。最后通过对修改后的亮度梯度求解泊松方程,得到灰度图像。实验表明,此方法获得的灰度图像保留了大部分的可视细节。     

基于多级LatLRR和HSI空间的彩色图像融合算法

目的 为提高红外与彩色可见光融合图像的可视性,更好地再现图像的对比度和色彩效果,提出一种基于多级低秩表示和HSI颜色空间的彩色图像融合算法.方法 首先利用RGB到HSI颜色空间转换,把彩色可见光RGB图像转化到HSI颜色空间,并分离H,S,I三通道.然后利用LatLRR对彩色可见光图像的I通道图像和红外图像进行二级分解,可得到显著的细节部分和基础部分,并将彩色可见光图像I通道和红外图像的细节部分采用核范数自适应加权融合策略进行融合,基础部分采用高斯模糊逻辑值自适应加权进行融合.最后把融合后的细节部分和基础部分相加产生新的I通道图像,结合H,S通道再转到RGB空间,得到融合图.结果 实验结果表明,文中算法得到的融合图主观上彩色失真度最小、场景细节最清晰、红外目标更突出,同时客观评价指标值上升约1％～24％.结论 文中算法是一种有效的算法,对彩色图像融合结果有较好的改善作用.     

基于NSST与IHS的红外与彩色可见光图像融合

目的 鉴于传统的红外与彩色可见光图像融合算法得到的融合图像,无法很好兼顾清晰度、对比度和色彩是否失真等,提出一种新的基于NSST和IHS颜色空间的彩色图像融合算法。方法 首先将源彩色可见光的RGB图像变换到各通道相关性最小的IHS颜色空间,分离出亮度分量和色度分量。其次对彩色可见光的亮度分量和红外图像分别进行NSST分解,对分解得到的低频系数采用基于自适应高斯模糊逻辑函数的系数选择方案,对高频系数则采用基于像素点的绝对值取大的系数选择方案,然后对经过选择的低、高频系数进行NSST逆变换,得到的融合图像作为新的亮度分量,结合已有的色度分量将其进行IHS逆变换,得到最终的RGB融合图像。结果 通过2种场景的红外与彩色可见光图像进行仿真实验,将提出的算法与LPT,SWT和NSCT等算法对比,通过主观评价和客观评价指标IE, AG, SF和SD等,可知新算法的融合结果图像场景细节最清晰,红外隐藏目标对比度最高,且色彩未出现明显失真现象,图像融合质量最高。结论 提出的算法相较于传统的红外与彩色可见光图像的融合质量,全面提升了效果,表明该算法具有优越性。     

基于NSST和SWT的红外与可见光图像融合算法研究

目的鉴于非下采样剪切波变换NSST的红外与可见光图像融合的结果存在细微特征缺失问题,提出一种基于NSST和SWT的红外与可见光图像融合算法,以提升融合图像的质量。方法首先分别对红外与可见光图像进行NSST分解,各得到一个低频系数和多个不同方向、尺度的高频系数。然后低频系数分别通过SWT分解得到新的低频系数和高频系数,通过SWT分解得到的新的低频系数和高频系数分别采用采用线性加权平均法和区域平均能量取大的融合策略,融合结果再进行SWT逆变换得到低频系数融合结果。高频系数采用区域平均能量取大的融合策略进行融合。最后通过NSST逆变换得到最终的融合图像。结果通过仿真实验结果表明,文中算法与NSST,SWT和NSCT等算法相比,融合图像在主观视觉上的红外目标更突出,图像细节更清晰,且在IE, AG, QAB/F, SF和SD等评价指标上也最优。结论文中算法的融合结果能更好地表现源图像的目标信息和细节纹理信息,表明该算法具有优越性。     

基于Retinex的弱可见光和红外图像融合算法

目的 针对目前弱可见光与红外图像融合后的图像仍存在细节大量丢失、目标模糊不清的问题,提出一种基于Retinex对弱可见光图像进行增强预处理后,再基于NSST和SWT变换进行图像融合的算法。方法 首先用SSR对弱可见光图像进行增强处理,增强后的可见光和红外图像进行NSST分解得到第1次的高低频系数,高频系数采用基于局部能量特征的方法进行融合;低频系数经过SWT分解得到第2次高低频系数,第2次的高频系数采用同样的方法融合,低频系数采用线性加权方法融合,然后将第2次高低频的融合结果经过SWT逆变换得到新的低频系数。最后把第1次高频系数融合结果和新的低频系数进行NSST逆变换得到融合图像。结果 通过仿真实验,将文中算法与NSST,NSCT以及文献[5]算法进行对比,结果表明主观视觉上融合图像细节更加清晰,客观评价上,平均梯度、空间频率（SF）、标准差、信息熵、边缘信息保留量等指标分别提高了35.63%,26.73%,16.89%,7.2%,4.6%。结论 文中算法对图像融合有较好的改善作用,融合图像的可视性和图像质量都得到显著提高。     

多网络联合的红外与可见光图像融合算法研究

目的针对红外与可见光图像在融合过程中,融合图像失真以及可见光图像信息融合不足的问题,提出一种联合多网络结构的红外与可见光图像融合算法。方法首先采用基于密集残差连接的编码器对输入的红外与可见光图像进行特征提取,然后利用融合策略对得到的特征图进行融合,最后将融合后的特征图送入基于GAN网络的解码器中。结果通过与可见光图像对抗优化训练,使得融合后的图像保留了更多可见光图像的细节、背景信息,增强了图像的视觉效果。结论实验表明,与现有的融合算法相比,该算法达到了更好的实验效果,在主观感知和客观评价上都具有更好的表现力。     

基于多目标粒子群算法的多传感器图像融合

针对图像融合中参数优化的问题,提出了一种基于多目标粒子群优化算法的多传感器图像融合方法。首先采用非采样Contourlet变换(NSCT)对源图像进行多尺度、多方向分解;然后选取图像融合的客观评价指标为优化目标函数,采用多目标粒子群优化算法对低频系数的融合参数进行优化,带通方向子带系数采用取绝对值最大的融合规则;最后通过NSCT逆变换得到融合图像。分别对多聚焦图像融合和红外与可见光图像进行融合实验,并对融合图像进行主客观评价,实验结果表明,得到的融合图像具有较好的主观视觉效果和客观评价指标。     

A novel multi-modal medical image fusion method based on shift-invariant shearlet transform

Abstract

Medical image fusion plays an important role in clinical applications, such as image-guided surgery, image-guided radiotherapy, non-invasive diagnosis and treatment planning. Shearlet is a novel multi-scale geometric analysis (MGA) tool proposed recently. In order to overcome the drawback of the shearlet-based fusion methods that the pseudo-Gibbs phenomenon is easily caused around the singularities of the fused image, a new multi-modal medical image fusion method is proposed in shift-invariant shearlet transform domain. First, the original images are decomposed into lowpass sub-bands and highpass sub-bands; then, the lowpass sub-bands and high sub-bands are combined according to the fusion rules, respectively. All the operations are performed in shift-invariant shearlet domain. The final fused image is obtained by directly applying inverse shift-invariant shearlet transform to the fused lowpass sub-bands and highpass sub-bands. Experimental results demonstrate that the proposed method can not only suppress the pseudo-Gibbs phenomenon efficiently, but perform better than the popular wavelet transform-based method, contourlet transform-based method and non-subsampled contourlet transform-based method.     

PCA图像融合算法在包装机涂胶检测中的应用

目的为解决卷烟厂包装机烟盒涂胶检测中,单一的可见光相机或红外相机对于涂胶的有无、位置、面积、均匀性等难以同时检测的问题,文中采用PCA图像融合算法作图像预处理,用于FX-2型包装机视觉检测系统。方法检测系统需要在涂胶检测处安装红外相机,同时捕获可见光图像和红外图像,然后将可见光图像与红外图像作主成分分析,替换主成分分量后进行图像融合,最后将融合后的图像输出至后端处理系统。结果实验证明,融合后的图像纹理细节丰富,同时包含了边缘信息与温度信息,对比度高,可检测性强。结论 PCA图像融合算法在涂胶检测的前端处理中非常有效,融合后图像经过后端处理,可以快速检测出包装纸上涂胶的有无、位置、面积以及均匀性,嵌入FX-2型包装机视觉检测系统后,可实时检测出涂胶不合格的包装纸。     

基于颜色传递和对比度增强的夜视图像彩色融合

针对基于颜色传递夜视图像彩色融合算法存在的热目标不突出问题,提出一种基于颜色传递和对比度增强的彩色融合算法。该算法首先利用非线性扩散和迭代阈值分割方法提取出图像中的热目标,然后在HSI颜色空间利用热目标和灰度融合图像对颜色传递得到的初步彩色融合图像进行调整,接着将处理结果变换回RGB颜色空间,得到最终的融合图像。实验结果表明,利用该算法得到的融合图像不仅与人眼视觉感知习惯一致,而且显著增强了目标与背景的对比度,从而有效提高了目标的可探测性。     

基于特征能量加权的红外与可见光图像融合

目前红外与可见光图像直接融合存在红外目标取舍和场景信息提取困难,结合非采样Contourlet的多尺度、多方向性和平移不变性的优点,本文提出了一种基于非采样Contourlet变换(NSCT)的红外与可见光图像融合方法.首先对源图像进行分解,然后低频子带通过构造基于区域的特征像素能量,进行加权融合,高频子带直接选用方差取大法融合.使用该算法进行了融合实验,并给出了融合质量评价.实验结果表明,本文提出的基于NSCT的图像融合算法在保留图像细节信息、增加信息量方面都有显著地提高.     

纸塑复合袋表面缺陷图像的梯度投影差值筛选方法

目的 为了解决纸塑复合袋的缺陷图像筛选效率低、精度差等问题,提出一种基于梯度投影差值的纸塑复合袋表面缺陷图像筛选方法。方法 首先采集纸塑复合袋图像,并利用Sobel算子函数得到其梯度幅值图像,使用水平投影和垂直投影计算公式,计算获取的梯度幅值图像信息,得出图像水平和垂直方向的投影均值,采集缺陷图像中具有丰富梯度信息的特点,分析梯度投影均值的差值,根据图像信息计算出阈值,通过比较投影差值和阈值,完成图像的筛选。结果 针对此次采集的缺陷图像,当投影差值阈值设置在0.014 6~0.018 9内时,可以筛选出表面缺陷的图像。相较于差影法,该方法的筛选正确率提高了约10%,图片筛选时间加快了1.5 s。结论 文中提出的梯度投影差值方法与差影法相比,具有图像筛选正确率高、筛选速度快等优点,满足图像筛选在工业生产上的需求。     

改进的Shearlet变换耦合频率特征的图像融合算法

目的解决当前图像融合算法大都直接在图像的像素灰度空间上进行融合,导致融合图像存在视觉效果差及算法鲁棒性不强等问题。方法文中提出改进的Shearlet变换耦合频率特征的多聚焦图像融合算法。将Shearlet变换(ST)和非下采样小波变换(NSWT)进行融合,形成改进的Shearlet变换(ST-NSWT)对源图像分解,获取图像的低、高频子带系数;构建区域能量模型,对源图像之间的低频子带系数进行相关性度量,完成低频子带的融合;对高频子带的频率特征进行分析,建立方差模型、平均梯度模型、空间频率模型,分别对源图像的灰度相关性、清晰度相关性及活跃度相关性进行测量,完成高频子带的融合,最后通过ST-NSWT逆变换,输出融合图像。结果与当前多聚焦图像融合算法相比,文中算法融合的图像能较好地保留更多的细节及边缘信息,使融合图像具备更佳的视觉效果。结论所提算法具有更好的融合质量,可用于遥感探测与包装印刷检测等领域。     

A sub-pixel edge detection algorithm based on Zernike moments

Abstract

A novel hybrid technique of combining an improved morphological gradient operator and Zernike moments, named MGZ edge detection algorithm, is developed to meet the stringent requirements for measuring accuracies of charge coupled device metrology system. The mathematical morphological gradient and Zernike moment algorithm are discussed based on the pixels grey-scale and spatial structure information of the images. To improve the algorithm process, the image edge is oriented and extracted by using improved morphological gradient operator firstly; then, the calculation errors of the typical ideal step edge model are analysed and corrected by the proposed error compensation formula. The edge point is relocated with sub-pixel accuracy by means of Zernike moment operator based on the edge point vectors and the threshold value. Finally, the sub-pixel edge detecting of the image is attained. The extensive experimental results show that the measuring error of the edge point is compensated reliably and accurately, and the new algorithm has short operation time, more precise and stronger robustness to noise than the prior similar algorithms. Meanwhile, the proposed method can well meet the need of charge coupled device metrology system for sub-pixel edge detection.     

一种新的ICA域图像融合算法

针对红外和可见光图像的特点,结合Mitianoudis提出的ICA域图像融合方法,本文提出了一种改进的ICA域多模图像融合算法.该方法根据Mitianoudis的方法,通过训练得到的基函数对图像进行线性变换,在变换域中将图像分割成不同的区域,对活跃区域采用绝对值取大的融合规则,而对非活跃区域则按照目标传感器图像的区域分割结果分别采取不同的融合规则,最后反变换得到融合图像.实验结果表明了本丈方法的有效性.     

Fusion of infrared and visible images based on focus measure operators in the curvelet domain

Aiming at the differences of physical characteristics between infrared sensors and visible ones, we introduce the focus measure operators into the curvelet domain in order to propose a novel image fusion method. First, the fast discrete curvelet transform is performed on the original images to obtain the coefficient subbands in different scales and various directions, and the focus measure values are calculated in each coefficient subband. Then, the local variance weighted strategy is employed to the low-frequency coefficient subbands for the purpose of maintaining the low-frequency information of the infrared image and adding the low-frequency features of the visible image to the fused image; meanwhile, the fourth-order correlation coefficient match strategy is performed to the high-frequency coefficient subbands to select the suitable high-frequency information. Finally, the fused image can be obtained through the inverse curvelet transform. The practical experiments indicate that the presented method can integrate more useful information from the original images, and the fusion performance is proved to be much better than the traditional methods based on the wavelet, curvelet, and pyramids.     

基于IHS空间的灰度图像互补色伪彩色编码

对灰度图像的任一灰度级，将对应的彩色影射到垂直于I＝0．5的平面上（I为强度），饱和度S可取的最大值为原始图像最大灰度值的0．75倍，相邻两灰度级对应的H值（H为色度）互为反相。将所得IHS值变换为RGB值即得伪彩色图像。用该方法对医学磁共振图像进行了处理，给出了实验结果。     

利用积分球对CCD线性和面均匀性的标定

积分球对CCD(Charge-coupled Device)的标定,主要是利用积分球光源具有较好的均匀性、稳定性以及精度高的特点,通过CCD采集积分球光源的图片,将积分球光源亮度转换为CCD拍摄图像的灰度,通过对采集图片灰度信息的提取,得出了CCD标定的各项参数。CCD线性标定试验的结果表明:在CCD快门值固定时,光源亮度的变化和图像灰度呈线性关系,并且在转换后的不同灰度值区段,线性度有一定的差别:在中值区,线性度最好,低值区次之,高值区最差;在光强一定的情况下,CCD快门值的改变和采集图像的灰度也呈线性关系。均匀性标定的试验结果表明:CCD的光电响应的非均匀性是随着快门值和灰度的增加而减小的,但最终趋于一个较稳定的值。     

Intelligent Fusion of Infrared and Visible Image Data Based on Convolutional Sparse Representation and Improved Pulse-Coupled Neural Network

Multi-source information can be obtained through the fusion of infrared images and visible light images, which have the characteristics of complementary information. However, the existing acquisition methods of fusion images have disadvantages such as blurred edges, low contrast, and loss of details. Based on convolution sparse representation and improved pulse-coupled neural network this paper proposes an image fusion algorithm that decompose the source images into high-frequency and low-frequency subbands by non-subsampled Shearlet Transform (NSST). Furthermore, the low-frequency subbands were fused by convolutional sparse representation (CSR), and the high-frequency subbands were fused by an improved pulse coupled neural network (IPCNN) algorithm, which can effectively solve the problem of difficulty in setting parameters of the traditional PCNN algorithm, improving the performance of sparse representation with details injection. The result reveals that the proposed method in this paper has more advantages than the existing mainstream fusion algorithms in terms of visual effects and objective indicators.     

Conjugate image points by an adaptive estimator for the gray‐level variance

Abstract

A least‐squares image matching algorithm was extended to adjust the different possible variances, auto‐ and cross‐covariances found in a gray‐level covariance matrix. Scaling variance and covariance components were estimated iteratively, based on some positive‐semidefinite accompanying matrices. The theory of a best linear, unbiased estimator for the scale factors has been presented in detail. Conjugate‐point accuracy results were obtained from 114 pairs of Radarsat‐1 crossroads and pond‐corner image windows. A 14% improvement in sub‐pixel matching accuracy was achieved by adhering to the proposed BLU‐Estimating algorithm, in particular for a category of the 11×11 image‐window size.