Curvelet变换在多聚焦图像融合中的应用

综合分析Curvelet变换的特性,提出一种基于Curvelet变换的多传感器图像融合算法。首先将图像进行Curvelet变换,然后基于子块区域方差和区域能量对图像的低频系数和高频系数采用不同的融合规则将Curvelet系数融合,最后进行重构得到融合结果。对该方法得到的融合图像进行了主客观评价和对比。实验结果表明,该方法得到的融合图像在图像边缘等细节上比传统方法和小波算法得到的图像具有更好的视觉效果,在均方根误差、偏差指数、峰值信噪比等客观指标上都优于其他方法。     

Curvelet变换在多聚焦岩心图像融合中的应用

利用基于光流的运动估计对岩心图像配准后,针对岩心高低不平图像出现部分模糊现象,提出了一种基于Curvelet变换的多聚焦图像融合方法,先对不同聚焦图像进行Curvelet变换,采取低频分量取加权平均、高频分量取绝对值最大的融合规则,再进行Curvelet反变换。实验表明,基于Curvelet变换的融合方法可有效综合多聚焦图像,相比基于小波变换的图像融合,能获得更好的融合效果。     

基于Curvelet变换多聚焦图像融合

探讨了可见光多聚焦图像的融合问题,提出了一种基于Curvelet变换的图像融合算法。针对Curvelet分解的不同频率域,分别讨论了低频系数和高频系数的选择原则。在选择高频系数时,通过引入Wronskian行列式从而定义局部区域线性相关度,并根据该线性相关度进行高频系数的选择;在选择低频系数时,直接采用平均法。实验结果表明：文中所给出的融合算法能够得到多个目标聚焦都很清晰的图像。     

Curvelet变换的多波段遥感图像融合研究

提出一种基于Curvelet变换的多波段遥感图像融合算法。Curvelet变换具有比小波变换更好的边缘表达,因而更适合图像的融合处理。采用具有多尺度、多方向特点的Curvelet变换对多波段遥感图像像进行分解。对于低频系数采用平均融合算法,根据高频子图边缘分布差异,对于方向高频系数采用区域边缘检测和区域谱熵算法实现多波段遥感图像的融合处理。实验结果表明,提出的算法与传统算法相比在保留原始图像边缘和纹理信息同时,可以有效地取得较好的融合视觉效果。     

基于Curvelet变换的自适应遥感图像融合算法

提出一种基于Curvelet变换的自适应遥感图像融合算法.首先对全色图像和多光谱图像图像做Curvelet变换,分解成低频系数和高频系数,分解后的低频系数选取区域能量的加权系数自适应融合规则,高低频系数采用以空间频率为度量标准结合自适应因子进行自适应融合规则,再对得到的低频和高频系数进行Curvelet反变换得到融合图像.实验结果表明该算法是一种有效可行遥感图像融合算法.     

一种新的基于Curvelet变换的遥感图像融合算法

Curvelet变换能充分利用原函数的几何正则性,可以达到用更少的系数来逼近奇异曲线的目的,因此相比小波变换而言,它更适合分析二维图像中的曲线或直线状边缘特征.综合分析Curvelet变换的特性,提出一种基于Curvelet变换的遥感图像融合算法.通过Curvelet变换将源图像分解到不同尺度、不同方向的频带范围内,然后分别对低频、高频分量采取不同的融合规则进行融合,最后进行Curvelet逆变换得到融合结果.实验结果表明该方法在增强空间特征和保留光谱信息方面均优于传统小波变换和传统Curvelet变换等方法.     

基于2代Curvelet改进IHS变换的遥感图像融合

Curvelet变换是继小波变换之后,能更适合于图像处理的一种新的多尺度变换分析方法,它比小波变换更加适合分析2维图像中的曲线或直线状的边缘特征,同时也具有很强的方向性。为了将该变换应用于图像融合,首先对第2代Curvelet变换理论进行了综述,然后在对基于第2代Curvelet变换的遥感图像融合方法进行研究的基础上,提出了一种与IHS变换结合的融合方法。最后用高分辨率全色图像与低分辨率多谱图像进行了融合实验,实验结果表明,将Curvelet变换引入图像融合,能够更好地提取原始遥感图像的特征,不仅可为融合图像提供更多的信息,而且融合图像能在较好地保留光谱信息的同时,使空间细节信息也得到增强。     

结合Curvelet变换和LSWT的多聚焦图像融合算法

针对多聚焦图像,提出了一种结合二代Curvelet变换和提升静态小波变换LSWT的图像融合算法。首先将待融合的图像分别进行离散Curvelet分解变换,得到不同分解级数和方向下的细节尺度系数和粗尺度系数;其次对粗尺度系数分别进行LSWT变换,对变换得到的低频分量和高频分量分别采用不同的方法融合后进行LSWT逆变换,得到的系数作为Curvelet变换的粗尺度系数;对于Curvelet变换后得到的细节尺度系数采用局部平均能量方差的方法进行融合;最后进行Curvelet逆变换得到融合后的图像。实验结果显示,该方法融合效果较好,优于传统方法。     

基于Curvelet变换多聚焦图像融合

探讨了可见光多聚焦图像的融合问题,提出了一种基于Curvelet变换的图像融合算法.针对Curvelet分解的不同频率域,分别讨论了低频系数和高频系数的选择原则.在选择高频系数时,通过引入Wronskian行列式从而定义局部区域线性相关度,并根据该线性相关度进行高频系数的选择;在选择低频系数时,直接采用平均法.实验结果表明:文中所给出的融合算法能够得到多个目标聚焦都很清晰的图像.     

一种Curvelet变换和IHS变换相结合的遥感图像融合方法

根据图像处理中所用的不同数学模型的特点,提出了一种Curvelet变换和IHS变换相结合的遥感图像融合方法。首先对多光谱图像进行IHS变换,然后利用Curvelet变换对I分量和高分辨率图像进行融合,最后进行IHS逆变换,得到融合结果图像。结果表明,该方法在保持源数据光谱特性方面优势突出,其融合结果可以应用于以光谱分析为主的领域。     

基于曲波变换的图像融合方法

本文在研究了曲波变换的特性后,提出了一种基于曲波变换的图像融合方法,并分别将由不同传感器获得的不同分辨率的遥感图像和医学图像利用此方法进行了融合.这种方法不仅能够完好地显示了源图像各自的信息,而且能很好地将源图像的细节融合在一起.实验结果表明采用这种方法可以得到更好的融合效果.     

基于二代Curvelet变换和区域匹配度的图像融合算法

提出了一种新的基于二代Curvelet变换的多传感器图像融合算法,分别讨论了粗尺度系数和细尺度系数的融合规则。首先采用二代Curvelet变换对源图像进行多尺度的分解,将粗尺度系数值进行变换使其强度分布一致,再采用加权平均的方法确定粗尺度融合系数。采用显著性测度和区域匹配度联合分析的方法确定细尺度系数,并进行一致性验证,最后进行二代Curvelet逆变换获取融合图像。将传统融合规则和该方法从独立因素、联合因素以及综合评价3方面进行了比较,结果表明,该方法较好地保持了边缘信息,减少了细节信息的损失,具有较优的性能参数和良好的视觉效果。     

基于M带小波变换的多聚焦图像融合

针对目前小波域内多聚焦图像融合所存在的问题,提出一种基于M带小波变换的图像融合方案。由于M带小波变换域在能量紧致性和方向选择性等方面都比传统二带小波更有优势,综合考虑图像在M带小波变换域的多尺度和多方向性信息以及局部区域的相关特性,提出了一种新的小波域图像融合策略——基于多子带联合窗口特性的图像融合。仿真实验分析表明,该文算法的结果不论在视觉效果还是在信息量指标方面都优于传统的二带小波。     

基于Curvelet多尺度几何分解的快速LHS多传感器图像融合

为了解决IHS变换在多光谱和高分辨遥感图像融合中存在的光谱失真等问题,提出一种基于Curvelet多尺度几何分解的快速LHS融合算法.该算法采用快速LHS变换以更好地保持图像的色彩,并进一步改进运行速度;引入第二代Cur-velet多尺度几何分解则更有效地捕获图像中方向性的几何结构信息,并基于非平均分布间隔快速Fourier变换加快Curvelet的实现速度.实验结果表明:本文的图像融合算法在图像质量和运行速度上都获得了改进,融合图像具有较理想的空域和光谱分辨率,优于传统IHS变换、PCA,以及相应的小波变换结合快速LHS的融合结果.     

基于曲波变换的红外/可见光图像融合

和小波变换相比较,曲波变换能更好地表示图像的边缘信息.在此基础上给出了一种基于曲波变换的图像融合方法,并将其应用于红外和可见光图像融合.首先,对红外图像和可见光图像分别进行曲波变换,得到两幅图像的低频分量和不同尺度的高频分量.在对源图像的各分量融合时,对低频分量采用平均加权进行融合.对高频分量采用取绝对值较大的方法进行融合,得到融合后的低频分量和不同尺度的高频分量,最后对这些融合后的分量进行重构,得到融合图像.仿真结果表明:和基于小波变换的融合算法相比较,该算法较好地保留了源图像的细节信息,提高了融合的效果.     

基于小波变换的多聚焦图像融合

为了获得大场景的清晰图像,一般是将几幅聚焦于这一场景的不同目标点上的图像经过各种融合算法处理后获得。先对源图像进行小波变换,再计算其改进后的空间频率,然后采用改进后的空间频率作为参数来决定源图像数据的选取规则：低频部分采用基于改进后的空间频率的加权系数法,高频部分直接取基于改进后的空间频率的小波系数最大值。实验所选取的阈值为0．8。从实验结果可以看出采用的方法比文献[5]的方法更好地保留了源图像的边缘信息,同时也更大地提高了融合后图像所含的源图像信息量。     

基于非抽样Contourlet变换的多聚焦图像融合算法

文中研究了非抽样Contourlet变换（NSCT）的原理,以及其多尺度、局部化、方向性和各向异性等优点。提出了一种基于NSCT的多聚焦图像融合新算法。本算法将多聚焦图像进行NSCT分解,不同子带采用不同的融合规则,低频子带采用新的基于灰度形态学梯度算子的融合算法,并做一致性检测,带通子带采用基于区域能量的融合算法。最后将融合得到的系数进行NSCT反变换得到融合图像。实验结果表明,与其他融合算法相比较,该算法可以更有效地保留源图像信息和细节特征。     

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.