一种新的多分辨率图像融合方法研究

基于小波的轮廓渡变换是一种新的图像变换方法,提出了一种采用基于小波的轮廓波变换的图像融合方法,先采用基于小波的轮廓波变换对图像进行多尺度多方向分解,再对分解所得的低频和高频部分分别采用不同的融合规则进行融合.实验结果表明,该方法融合图像的多项指标都优于采用小波变换、轮廓波变换等的方法.     

基于小波变换的区域特征加权自适应图像融合算法

提出了一种基于小波变换的区域特征加权自适应图像融合算法。首先对源图像做小波变换,分解成低频和高频图像,分解后的低频图像选取一组区域特征进行自适应动态加权,高低频图像采用区域能量融合规则,再对得到的低频和高频图像进行小波反变换。实验结果表明该方法能得到较好的融合效果。     

基于局部熵的小波变换图像融合算法

研究基于小波变换的图像融合算法。首先对待融合图像进行小波多尺度分解,得到小波的分解系数,对高频分量和低频分量系数采取不同的融合规则。低频部分系数融合采用简单加权平均法,高频部分系数融合采用基于邻域熵值的方法。对融合后系数进行逆小波变换得到重构图像,融合后图像清晰、对比度好。与最大绝对值法、领域方差法作比较。最后通过熵、标准差、平均梯度值等参数对融合后的图像进行定量分析。实验数据表明提出的方法是切实可行的。     

改进的小波变换图像融合算法

本算法对图像使用小波变换进行分解,将图像分解成低频部分和高频部分;对低频部分采用基于Pre Witt算子的融合规则;对高频部分将引用Brenner评价函数的融合规则;最后进行小波变换逆变换得到融合图像。实验结果表明,本算法与其他算法相比较能得到更好的融合效果,边缘信息多且图像的清晰度更高。     

改进的小波图像融合算法及应用研究

为了提高图像融合质量,论文提出了一种改进的小波变换的图像融合方法,该算法将源图像分别进行小波分解,各图像分解成低频系数和高频系数,低频系数采用基于prewitt算子的融合规则,高频系数采用融合系数选大的融合规则,然后将融合后的低频系数和高频系数做离散小波变换,得到小波变换后的融合图像.与传统的图像融合算法相比较,实验表明了改进的小波图像融合新算法具有更好的融合效果,将改进后的算法用于发动机温度场检测中,融合后的热端部件示温漆彩色图像边缘特征更加突出,区域分割精度更高.     

基于多尺度分析的图像融合新方法

提出了一种基于Contourlet多尺度分解的图像融合新方法.该方法首先对源图像进行Contourlet分解,得到高频和低频图像.针对不同频段图像的特性,对于高频和低频图像分别采用不同的融合规则,最后进行Contourlet逆变换得到融合图像.采用平均梯度,熵、平均交叉熵和均方根交叉熵4种准则来评价融合算法的性能.实验结果表明,该方法不仅在客观评价指标上优于小波变换法和塔形分解法,而且从主观评价上来看,该方法得到的融合图像更加清晰.     

无下采样轮廓小波在图像融合中的应用

在无下采样Contourlet变换和小波变换的基础上,针对低、高频系数的特点,提出一种新的基于无下采样轮廓小波变换的图像融合算法。该算法对无下采样轮廓小波分解后的低频部分采用了选择与加权平均的融合规则进行融合,而对各层高频系数采用局部区域加权平均融合规则进行融合。实验结果表明,该方法在包含信息量、清晰度上都有明显的提高。     

基于小波变换的多聚焦图像融合新算法

针对多聚焦图像,提出了一种新的基于小波变换的图像融合算法.首先将图像进行小波分解,得到低频图像和高频图像,对于低频图像采用基于邻域能量的方法进行融合,高频图像采用基于邻域方差取大的方法进行融合.最后进行小波逆变换,得到最终的融合图像.通过仿真实验验证了算法的有效性,实验结果表明,该算法明显优于传统算法.     

基于快速整数提升小波变换的医学图像融合

针对CT医学图像和MRI医学图像成像特点,提出了基于快速整数提升小波变换的融合方法。在CT和MRI两幅医学图像配准的前提下,利用提升小波变换把图像分解成低频和高频子图像,对于小波变换后的高频子图像,选择区域标准差大的作为融合后的子图像;对于低频子图像,采用加权融合,最后进行小波逆变换,得到融合后的图像,并对融合后图像用信息熵、平均梯度、相关系数的指标进行评价。实验结果表明,基于快速整数提升小波变换融合中,小波高低频系数采用不同的规则能够取得更好的融合效果,其轮廓清晰。该算法能够提升融合后的医学图像信息量,同时有效地保护图像的细节信息,在执行时间和图像质量上均优于普通小波算法。     

基于区域性能的自适应遥感图像融合方法

为了把图像的融合效果评价信息加入到融合规则的选取过程当中,针对合成孔径雷达和可见光两种常见的遥感图像,提出了一种基于区域性能的自适应融合方法。该方法首先利用平滑滤波抑制SAR图像斑点噪声,再分别对源图像作小波分解。融合图像的低频系数由一组区域性能评价参量按隶属度控制规则自适应调节得到;高频系数则直接采用可见光图像的高频系数,对新的低频和高频系数实施小波反变换即可得到融合图像。实验结果表明该方法能够取得很好的融合效果。     

基于小波变换与局部能量的多聚焦图像融合

本文提出了一种基于区域局部能量的不同聚焦点图像融合方法。本文利用小波分解,将图像分解为低频部分和高频部分,然后选择合适的比例,削弱低频部分,减小低频部分在整个图像能量中所占的比例,相对增大高频部分的比例,再重构图像。对于重构的图像,在空域中使用区域局部能量大小判定的方法,对各幅图像中的目标进行判断,并选择其中的清晰部分生成融合图像。该方法不但适用于多聚焦图像融合,而且还可以应用于特性类似的医学图像的融合。实验结果表明,该方法可以提取出多聚焦图像中的清晰目标,生成的融合图像效果优于Laplacian塔型方法和小波变换方法。     

基于小波多尺度分解的互补全景图像融合

为了解决折反射成像内外环分辨率低且不均匀的问题,针对互补全景图像的特点,提出了一种基于小波多尺度分解的图像融合方法。首先对两幅互补的源图像分别进行小波多尺度分解,得到不同分辨率、不同方向的分量;其次,按照特定的融合策略,低频采用平均算子进行融合,高频采用逐层互换的融合策略进行融合;最后,通过小波逆变换得到融合图像。实验结果表明,该方法在互补全景图像的融合中简单有效,并且拥有较好的效果。     

基于小波系数区域相似度的医学图像融合*

根据小波变换原理,给出了一种基于小波系数区域相似度的医学图像融合方法.首先,以图像小波变换系数的区域均值、方差、协方差统计参量构造匹配度和加权因子,对高频子图进行区域融合; 然后,在低频部分采用绝对值取大的规则,进行图像融合;最后经过小波逆变换得到融合图像.实验证明,该方法得到的融合图像具有良好的视觉效果和量化指标,体现出更强的融合性能.     

基于平均梯度和方向对比度的图像融合方法

由于不同传感器获得的多幅图像对同一场景的描述具有信息的冗余性和互补性,在小波图像融合的基础上提出了一种基于平均梯度和方向对比度的图像融合方法。对参加融合的两幅图像进行小波多尺度分解,在每幅图像的最高分解层上,分别计算高频子带每个系数的邻域绝对值均值和低频系数的邻域均值之比,采用两者之比较大者所对应的高频子带系数作为融合后所对应的小波系数,对于其他分解层上的高频系数和低频系数,利用梯度最大化的融合规则得到融合图像的小波系数,通过小波重构得到融合图像。将该方法应用于仿真实验,融合图像的视觉效果有很好的改善,客观评价指标有所提高。     

一种基于小波方向对比度的多聚焦图像融合方法

人类视觉系统对于图像的局部对比度非常敏感,如果把小波变换和方向对比度结合起来,融合效果可能更好。在研究了方向对比度后提出了一种新的基于小波方向对比度的多聚焦图像融合方法。首先对参加融合的两幅图像进行小波多尺度分解,然后在每幅图像的每个分解层上,分别计算高频子带每个像素的邻域均值和低频子带的邻域均值之比,其中该分解层的低频子带是由上个分解层的低频子带和高频子带求2维离散小波逆变换得到,采用两者之比较大者所对应的高频子带系数作为融合后对应的小波系数,然后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数求2维离散小波逆变换,最终得到融合后的图像。这种方法考虑了邻域内像素的相关性,减少了融合像素的错误选取。实验结果表明,该方法的融合效果比针对每个像素求小波方向对比度的多聚焦图像融合方法的融合效果得到提高。     

基于图像融合的红外弱小目标增强方法研究*

提出了一种使用图像融合进行红外弱小目标增强的算法,该算法采用两次融合结构。在一次融合中,使用简单图像融合方法将连续多帧图像进行融合以减少数据量并抑制噪声;在二次融合中,将一次融合的结果进行多尺度分解并对分解所得低频和各高频部分分别进行融合。对比了二次融合中使用小波变换、轮廓波变换、非下采样轮廓波变换等多尺度分解方法的融合效果。仿真实验结果表明了该方法的正确性,实现了对红外弱小目标的有效增强。     

基于小波包变换的遥感图象融合

为了能够更好地把来自多传感器的图象信息综合起来，以提高对图象信息的分析和提取能力，在研究了小波包图象分析法之后，提出了一种基于小波包变换的图象融合方法，由于小波包变换能对图象进行多层次分解，包括对小波变换没有细分的高频部分也能进行进一步的分解，因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法，利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象，能够很好地将源图象的细节融合在一起，通过与该融合图象进行主观与客观的评价比较，证明该融合方法可以获得更好的融合效果。     

基于小波变换和数据融合技术的图像降噪方法

提出了一种基于小波变换和数据融合技术的图像降噪的方法．此方法对同一原始图像信号不同噪声的多源图像分别进行小波分解，在图像分解的高频域内，对小波系数进行阈值处理后，再进行数据融合处理，根据“多数原则”选择重要小波系数．在低频域内，新的逼近系数则通过对多幅图像的逼近系数直接进行加权平均得到．然后利用重要小波系数和逼近系数进行小波反变换，即可得到融合后的图像．实验结果表明：此方法既可以有效地降低噪声，又可以较好地保持图像细节．     

一种根据图像能量调整的图像融合方法

针对传统图像融合算法无法对能量差异较大的图像取得良好融合效果的问题,文中根据图像的能量划分,利用多尺度变换和稀疏表示相结合的方式分解两幅图像的高低频信号,在低频部分自动调整不同能量图像块的稀疏融合规则,并在高频部分加入一致性检验,从而进一步约束对应局部空间能量MSD系数的复合过程,最后通过小波逆变换重构得到融合图像。使用红外图像、医学图像和多聚焦图像分别进行融合性能的验证,并分析稀疏分解层数和窗口步长等条件对融合效果的影响,最终取得该框架下的最优分解方式,获得了具备优秀的主观效果和客观指标的融合图像。实验结果表明,该算法在对任意两种类型传感器获得的图像进行融合时均能获得更加优秀的融合效果,且不仅局限于某两种图像的融合,其在SF,SSIM和EFQI等客观指标上优于传统融合算法和一般多尺度结合稀疏表示的算法。     

基于IHS和小波变换的可见光与红外图像融合

针对红外与可见光图像所表现的目标特征不同,提出了一种基于IHS和小波变换的图像融合方法.首先对可见光图像进行IHS 变换得到亮度I、色度H、饱和度S 3个分量,再对红外图像进行灰度变换;然后对亮度分量和已变换红外图像进行小波分解,对低频分量和高频分量分别采用不同的融合规则;最后进行IHS逆变换得到融合图像.实验结果表明,该方法在红外与可见光图像融合处理中取得了很好的融合效果,优于传统的 IHS变换法和小波变换方法.该方法保留了可见光图像高的空间分辨率和丰富的纹理细节信息,同时融合了在可见光图像中看不到而在红外图像里可以观察到的热目标.