基于引导滤波和shearlet稀疏的遥感图像融合算法

针对遥感图像空间分辨率和光谱分辨率不可兼得的情况, 结合多尺度变换与稀疏表示,提出一种shearlet稀疏基与引导滤波共同作用的遥感图像融合算法。以IHS融合模型为基础,利用引导滤波作拟合处理,再用shearlet变换分解亮度图像和全色图像,得到图像的高低频子带系数。 对低频子图进行稀疏化处理并获取最优稀疏系数,稀疏系数以图像块活跃度取大的标准进行替换融合。 基于区域能量和区域方差融合处理对应的高频子图,再利用shearlet反变换获取融合结果。 实验结果表明,本文算法能提高图像清晰度以及光谱保留度,在图像完整度和细节考量上远好于其他算法。     

小波变换和稀疏表示相结合的遥感图像融合

针对多光谱图像与全色图像的融合,提出一种结合小波变换和稀疏表示的融合算法.该算法充分利用小波变换具有保持光谱信息这一优势,首先对多光谱图像进行IHS (intensity-hue-satuation)变换,然后对亮度分量和全色图像进行单层小波变换,得到对应的高低频系数.分析高低频系数的特征,对于不能认为是“稀疏”的低频系数采用稀疏表示进行融合;对于可以认为是“稀疏”的高频系数采用图像信息融合规则进行融合.最后进行小波逆变换和IHS逆变换得到融合结果.实验结果表明,该算法最大限度地保留了光谱信息,并提高了空间分辨率.     

基于多尺度稀疏表示的图像融合方法

针对目前基于稀疏表示的常用图像融合算法计算复杂度高以及忽略图像局部特征的问题,提出多尺度稀疏表示(multi-scale sparse representation,MSR)的图像融合方法.充分利用小波多尺度分析较好突出图像局部特征的特点,将其和过完备稀疏表示有效结合;待融合图像在小波解析域中进行小波多层分解,对每个尺度的特征运用K-SVD (kernel singular value decomposition)多尺度字典进行OMP (orthogonal matching pursuit)稀疏编码,并在小波域中各个尺度中进行融合.实验结果表明,与传统的小波变换、轮廓波变换、稀疏表示融合算法相比,该算法更能保证图像局部特征的完整性,实现更好的性能.     

基于稀疏表示和决策融合的图像分类方法

利用多个稀疏表示分类器融合的决策信息对图像进行分类,可避免单个特征对图像分类的影响。提出一种自适应调节权重的多稀疏分类器融合图像分类方法。对原始图像分别提取3组不同特征,并训练出各自稀疏表示分类器;根据各个子分类器的准确率,通过迭代计算自适应确定各分类器最终权重;融合各子分类器的输出结果进行最终类别判断。基于Cifar-10图像数据集进行多组实验,结果表明,相对仅提取单特征的图像分类方法,该方法有效提高了图像分类准确率。     

基于结构组稀疏表示的遥感图像融合

目的 稀疏表示在遥感图像融合上取得引人注目的良好效果,但由于经典稀疏表示没有考虑图像块与块之间的相似性,导致求解出的稀疏系数不够准确及字典学习的计算复杂度高。为提高稀疏表示遥感图像融合算法的效果和快速性,提出一种基于结构组稀疏表示的遥感图像融合方法。方法 首先,将相似图像块组成结构组,再通过组稀疏表示算法分别计算亮度分量和全色图像的自适应组字典和组稀疏系数;然后,根据绝对值最大规则进行全色图像稀疏系数的部分替换得到新的稀疏系数,利用全色图像的组字典和新的稀疏系数重构出高空间分辨率亮度图像;最后,应用通用分量替换（GCOS）框架计算融合后的高分辨率多光谱图像。结果 针对3组不同类型遥感图像的全色图像和多光谱图像分别进行了退化和未退化遥感融合实验,实验结果表明：在退化融合实验中,本文方法的相关系数、均方根误差、相对全局融合误差、通用图像质量评价指标和光谱角等评价指标比传统的融合算法更优越,其中相对全局融合误差分别是2.326 1、1.888 5和1.816 8均远低于传统融合算法;在未退化融合实验中,除了在绿色植物融合效果上略差于AWLP（additive wavelet luminance proportional）方法外,其他融合结果仍占有优势。与经典稀疏表示方法相比,由于字典学习的优越性,计算复杂度上要远低于经典稀疏表示的遥感图像融合算法。结论 本文算法更能保持图像的光谱特性和空间信息,适用于不同类型遥感图像的全色图像和多光谱图像融合。     

采用shearlet变换的多聚焦图像融合

相对传统多尺度分析工具,shearlet变换更适于提取图像细节信息。采用shearlet变换进行图像融合,对源图像进行shearlet域分解,对低频子带采用SML算子作为融合依据,高频子带采取区域能量与单个像素相结合的方式选择系数,对融合后的系数进行逆shearlet变换得到融合图像。仿真实验表明,算法在视觉效果和量化结果上均有提高。     

基于推广的IHS变换和压缩传感的遥感图像融合

为了提高全色图像和多光谱图像的融合图像的质量,提出一种基于推广的intensity-hue-saturation (GIHS)变换和压缩传感的遥感图像融合方法.首先对低分辨率多光谱图像作GIHS变换得到低分辨率的亮度分量;然后在低分辨率的亮度分量、全色图像和理想的高分辨率亮度分量之间建立压缩传感模型;再利用压缩传感理论恢复出理想的高分辨率亮度分量,并用其代替GIHS变换方法中的全色图像,得到最终的融合图像.高分辨率亮度分量的应用,使得融合图像的光谱失真问题大为改善.以Geoeye-1和QuickBird卫星数据为例的实验结果表明,与传统方法相比,文中方法不仅能够提高多光谱图像的空间分辨率,而且对光谱信息的保持也具有更好的效果.     

基于Contourlet变换的多源森林遥感图像融合算法

提出了一种基于Contourlet变换的多源森林遥感图像融合算法.该融合算法首先利用Contourlet对输入图像进行多尺度、多方向稀疏分解,准确地捕获图像中的二维或高维奇异信息,然后在Contourlet域对不同频率信患采用不同的融合策略进行融合处理.仿真结果表明,该算法具有良好的融合效果,为火灾监控提供可靠的图像信息.     

基于图像分解和稀疏表示的多聚焦图像融合

针对多聚焦图像融合中缺乏细节保护和结构不连续的不足,提出了一种基于图像分解的多聚焦图像融合算法.首先,源图像采用卡通纹理图像分解得到卡通部分和纹理部分;其次,卡通部分采用卷积稀疏表示的方法进行融合,纹理部分采用字典学习进行融合;最后,将卡通和纹理部分融合得到融合图像.实验建立在标准的融合数据集中,并与传统和最近的融合方法进行比较.实验结果证明,该算法所获得的融合结果在方差和信息熵上具有更好的表现,该算法能够有效克服多聚焦图像融合中缺乏细节保护和结构不连续的缺点,同时有更好的视觉效果.     

基于NSST-IHS 变换稀疏表示的SAR 与可见光图像融合

针对合成孔径雷达(SAR)与可见光图像成像原理不同,其融合图像常常存在感兴趣 目标不突出及光谱失真的问题,提出了一种基于NSST-IHS 变换稀疏表示的融合算法。对源图 像进行IHS 和NSST 变换,在所得低频分量上采用基于结构相似性和亮度差异性的稀疏表示融 合规则,高频分量上则采用基于改进的拉普拉斯能量和的融合规则,融合结果再通过NSST 和 IHS 逆变换得到。实验以哨兵1 号SAR 图像与landsat-8 可见光图像进行验证,并与传统的IHS、 Wavelet、NSCT、IHS-Wavelet-SR 和NSST-IHS 算法进行比较。结果表明,该算法不论视觉还 是评价指标都有了明显提高,空间结构信息和光谱信息得到有效的保持,有利于后续目标检测 与识别工作。     

非下采样四元数剪切波变换域的图像融合

目的 由于一些光学镜头聚焦范围的有限性,很难对同一场景中所有物体都清晰地成像在一幅图像中,而将同一场景中的多幅源图像进行融合可以得到一幅全景更加清晰的图像,为了增强融合图像的质量,提出了一种新的非下采样四元数剪切波变换（NSQST）的图像融合算法。方法 首先将源图像经过NSQST分解得到低频子带系数和高频子带系数;其次,对低频子带,提出了一种改进的稀疏表示（ISR）的融合规则;对于高频子带,提出一种改进的空间频率、边缘能量和局部区域相似匹配度相结合的融合规则;最后通过NSQST逆变换得到融合图像。结果 与其他5种融合方法进行对比,本文方法获得了较好的客观指标和视觉效果,其中与NSCT-SR算法相比,本文方法获得的4个客观指标分别提高了3.6%、2.9%、1.5%、5.2%,3.7%、3.2%、3.2%、3.0%和6.2%、3.8%、3.4%、8.6%。结论 通过多聚焦图像进行融合实验,实验结果表明该方法可进一步应用于目标识别、医学诊断等领域。     

改进稀疏表示与积化能量和的多聚焦图像融合

为解决多聚焦图像融合算法中细节信息保留受限的问题,提出改进稀疏表示与积化能量和的多聚焦图像融合算法。首先,对源图像采用非下采样剪切波变换,得到低频子带系数和高频子带系数。接着,通过滑动窗口技术从低频子带系数中提取图像块,构造联合局部自适应字典,利用正交匹配追踪算法计算得到稀疏表示系数,利用方差能量加权规则得到融合后的稀疏系数,再通过反向滑动窗口技术获得融合后的低频子带系数;然后,对于高频子带系数提出积化能量和的融合规则,得到融合后高频子带系数;最后,通过逆变换获得融合图像。实验结果表明,该算法能保留更详细的细节信息,在视觉质量和客观评价上具有一定的优势。     

基于离散剪切波正则化的低剂量CT图像统计重建算法

提出一种低剂量医学CT图像重建方法,能够在少视角投影或低X-射线管电流投影的情况下保证重建图像的质量。减少扫描视角的数量或者降低X-射线管电流强度均可以降低辐射剂量,从而减少X射线对人体伤害,但是前者会造成扫描数据欠完备,后者会使投影数据信噪比指数下降,传统算法不能保证重建图像满足诊断要求。提出一种离散剪切波变换正则化的低剂量CT图像统计迭代重建算法,在数据保真项加入符合数据统计特性的系数加权,以降低噪声对重建结果的影响,并将待建图像在剪切波域可以稀疏表示作为先验信息,利用增广拉格朗日方法将此先验信息作为正则化项加入目标函数,缩小了解空间,使不完备投影数据获得稳定而准确的重建。实验数据表明,重建图像在投影数据远远不满足完备性条件,或投影数据信噪比急剧下降的情况下,本算法能够重建出高质量图像。在辐射剂量降低到滤波反投影FBP算法的10%甚至更低时仍然能够得到清晰保留结构细节的重建图像。     

基于离散剪切波的压缩感知MRI图像重建

针对二维小波变换捕捉方向信息有限, 不能稀疏地表示MRI图像中曲线状奇异特征的缺点, 提出了一种基于离散剪切波变换的压缩感知MRI图像重建新方法。先对MRI图像作剪切波变换, 得到各尺度、方向子带的剪切系数, 再采用正交匹配追踪算法恢复稀疏处理后的系数, 最后进行剪切波反变换得到重建图像。实验结果表明, 与小波变换相比, 基于离散剪切波的压缩感知MRI图像有更好的重建效果, 更有利于保留纹理和边缘信息。     

基于训练字典的遥感图像融合

为了提高多光谱图像与全色图像的融合质量,利用稀疏表示理论,提出了一种基于训练字典的融合算法。该算法对多光谱图像的亮度分量进行亮度平滑滤波（SFIM）得到新的亮度分量,利用图像块随机采样学习得到的训练字典对全色图像和新的亮度分量进行稀疏表示,采用空间频率取大的融合规则对稀疏系数进行融合,通过重构和IHS逆变换得到融合结果。对不同场景、不同卫星的多光谱图像和全色图像进行实验,结果表明,该方法能在提高空间分辨率的同时更好地保持光谱特性。     

一种基于小波稀疏基的压缩感知图像融合算法

随着压缩感知技术的发展,基于压缩感知的图像融合技术研究逐渐受到越来越多的重视。针对图像小波分解系数特点,提出了一种基于双放射状采样模式的压缩传感域图像融合算法。该算法首先通过双放射状采样模式获得待融合图像的小波稀疏域线性测量值;然后利用一种简单的绝对值最大融合规则直接在压缩感知域进行融合,最后通过最小全变分的方法重构融合图像。主客观实验结果表明,该算法具有良好的融合效果。