一种基于双树复小波变换的图像融合方法

提出了一种基于双树复小波变换的图像融合方法。采用双树复小波变换对源图像进行分解后,该方法首先对各频域分别定义一种活性测度和匹配测度,再通过相应的匹配测度来计算各频域的融合因子,然后采用加权与选择相结合的规则融合高频系数和低频系数,得到融合图像的各频域系数。最后,采用双树复小波逆变换重构得到融合图像。实验表明,该融合方法具有良好的客观评价性能和主观视觉效果。     

基于非子采样Contourlet变换的图像融合方法

分析了非子采样Contourlet变换滤波器组的设计与实现方法,提出一种基于非子采样Contourlet变换的图像融合方法.首先将图像作非子采样拉普拉斯金字塔尺度分解,并在各尺度层使用非子采样方向滤波器组对高频子带作方向分解,构成非子采样Contourlet变换;然后,采用基于区域能量的融合规则得到融合图像的非子采样Contourlet系数;最后进行非子采样Contourlet逆变换得到融合图像.实验结果表明,该方法的融合效果优于à trous小波变换方法和Mallat小波变换方法.     

基于多方向àtrous小波变换的多传感器图像融合

分析和研究了非下采样方向滤波器组及具有平移不变性的àtrous小波变换的图像变换的优点,提出了一种基于多方向àtrous小波变换的图像融合方法。首先利用àtrous小波变换将待融合源图像分解成不同尺度,不同分辨率的高低频分量,再对高频分量利用非下采样方向滤波器组进行方向分解,然后采取不同的融合方法对分解的高低频分量进行融合处理,低频系数采取平均加权法融合,高频系数则采取局部梯度优先的加权法融合,最后将融合的各频带进行逆非下采样方向滤波器组变换和逆àtrous小波变换得到融合图像。实验表明,在几种不同的客观评价标准下,该方法优于传统小波域中的融合效果,能有效地消除小波变换所带来的光谱扭曲和假边缘现象。     

基于多尺度边缘保持分解与PCNN的医学图像融合

在医学图像融合过程中,传统多尺度分析方法多采用线性滤波器,由于无法保留图像边缘特征导致分解阶段的强边缘处出现模糊,从而产生光晕。为提高融合图像的视觉感知效果,通过结合多尺度边缘保持分解方法与脉冲耦合神经网络（PCNN）,提出一种新的图像融合方法。对源图像进行加权最小二乘滤波分解得到图像的基础层和细节层,采用高斯滤波器对基础层进行二次分解得到低频层和边缘层,将分解过程中每级边缘层和细节层叠加构建高频层,并引入非下采样方向滤波器组进行方向分析。在此基础上,利用改进的空间频率以及区域能量激励PCNN融合高频层和低频层,通过逆变换得到最终的融合图像。实验结果表明,该方法能够突出医学图像的边缘轮廓并增强图像细节,可将更多的显著特征从源图像分离并转移到融合图像中。     

基于联合最佳基小波包的图像融合方法

基于联合最佳基小波包理论提出了一种新的图像融合方法。该方法首先将所有图像进行小波包分解,得到各自对应的四叉树,将各四叉树节点对应系数平方相加得到一个新的四叉树,利用此平方和四叉树搜索联合最佳基。将待融合图像基于联合最佳基分解,把分解系数加权处理得到融合系数,利用融合系数进行逆变换即得到融合图像。该方法对所有待融合图像的分解都是最佳分解,解决了先前最佳小波包融合方法只能最佳分解一方待融合图像的问题。将该方法与其他主要图像融合方法进行了比较分析,结果表明基于联合最佳小波包基的图像融合方法是非常有效的。     

一种多小波滤波器在医学图像融合中的应用

医学图像融合为临床诊断、手术设计与效果评估等提供不同模态影像互补信息。构造具有3阶消失矩的双正交多小波滤波器,其以高斯函数一次泰勒规范展开正交化后得到的完备二次单位正交基作为尺度函数。利用构造的多小波滤波器,分别对CT、MRI医学图像进行分解,使用基于多小波分解改进的局部能量加权规则融合图像。结果表明改进规则融合了源图像主要信息,优于常用的融合规则。应用构造的多小波滤波器可有效地融合医学图像,略优于DGHM多小波。     

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。     

一种融合颜色和纹理特征的遥感图像检索方法

海量遥感图像的自动查询和选择，迫切需要有效的基于内容的图像检索方法。鉴于单一视觉特征不能很好地表达图像内容，为此提出一种基于五叉树分解的线性加权颜色和纹理特征距离的检索新方法。该方法首先采用五叉树分解法分解图像，然后在利用多通道Gabor滤波器与图像做卷积得到滤波能量值的基础上，提取各子图像滤波能量纹理特征，最后通过计算子图像的颜色均值和均方差来对查询图像和与其大小相当的数据库子图像进行颜色和纹理特征线性加权距离相似性测度。将该方法用于高分辨率卫星和航空遥感图像数据库检索的实验结果证明，该方法是有效的。     

基于方向可调滤波器和小波分析的图像融合

小波分析方法是一种常用的图像融合方法.文中结合方向可调滤波器,给出了一种新的融合算法.该算法在小波分解的各方向上的细节信息利用方向可调滤波器计算局部能量,采用基于局部能量的测量进行融合.试验结果表明该方法优于传统的小波融合方法,融合效果较好.     

基于归一化方差的退化图像融合研究

针对退化图像空间分辨率较低的问题,提出了一种基于归一化方差的多分辨率图像融合方法。该方法首先对图像进行二层小波分解,然后根据小波系数的统计特征来定义归一化方差,并以此作为图像融合测度来对退化图像进行多分辨率特征融合,从而得到包含更多信息和有效特征的融合图像。试验结果表明,融合后的图像在保留细节信息和光谱信息上均能获得较好的效果。     

基于Gabor小波和稀疏表示的人脸表情识别

通过分析Gabor小波和稀疏表示的生物学背景和数学特性,提出一种基于Gabor小波和稀疏表示的人脸表情识别方法。采用Gabor小波变换对表情图像进行特征提取,建立训练样本Gabor特征的超完备字典,通过稀疏表示模型优化人脸表情图像的特征向量,利用融合识别方法进行多分类器融合识别分类。实验结果表明,该方法能够有效提取表情图像的特征信息,提高表情识别率。     

基于小波变换和引导滤波的多聚焦图像融合

为了进一步提高多聚焦图像融合效果，提出了一种基于小变换和引导滤波的多聚焦图像融合方法。对源图像进行二维小波分解，得到低频子带系数和高频子带系数。对低频子带系数采用引导滤波加权融合；对高频子带系数引入最大对称环绕显著性检测算法(Maximum Symmetric Surround Saliency Detection Algorithm,MSSS），归一化显著图得到权重图，进而进行加权融合。把得到的高频和低频子带系数进行小波重构，得到最终的融合图像。实验结果表明，与其他算法相比，所提算法具有更好的清晰度，得到较好的融合结果。     

综合纹理和颜色的图像分割方法

本文基于Gabor小波变换，综合图像的纹理和颜色信息，提出了一种简单的图像分割方法。实验结果表明，这种方法能够很好的处理纹理图像和弱纹理图像，对于简单的自然图像也有良好的分割效果。     

基于混合特征和多HMM融合的图像序列表情识别

当前多数图像序列的人脸表情识别方法仅提取图像的某一类特征,导致特征参数不能全面地反映脸部情感信息.提出一种基于混合特征和多HMM融合的图像序列表情识别方法.采用Gabor小波变换、二维离散余弦变换分别提取眼睛及眉毛区域、鼻子区域的纹理变化特征,对嘴巴区域则采用主动表观模型提取形状变化特征.对待测图像序列中的每个表情特征区域采用离散隐马尔可夫模型得出6种表情概率;然后根据在训练阶段得到的每个表情特征区域对每种表情的贡献权值进行加权融合,并选择融合后的表情概率最大者作为识别结果.实验结果表明,该方法综合了表情的纹理与形状变化,能够得到很好的识别效果,且处理速度快,适合于实时图像序列的表情识别.     

基于小波和SOM网络的医学图像融合

提出一种基于小波变换和自组织特征映射（SOM）神经网络的医学图像融合方法,对图像进行小波变换,以图像的小波系数为特征,采用SOM网络对图像进行聚类,并进行模糊分类,从而确定像素融合的权重,得到融合图像。仿真实验结果表明,该方法能够获得良好的性能。     

一种新的图像识别算法

提出了一种图像的识别算法,首先对图像进行Gabor小波变换,为了解决图像中的平移、旋转、尺度不变性,以及局部遮挡问题,对滤波结果计算其4个不变矩作为反映整体形状特征的特征向量,再对提取的特征向量利用SVM算法进行图像检测,检测结果表明该算法具有较好的抗噪性并能解决目标检测中的遮挡问题.最后利用弹性网格的方法对其进行识别.文中的检测和识别结果表明,多通道的Gabor滤波器对于纹理图像的特征描述比较充分,该识别算法有比较理想的鲁棒性和容错性,能得到较好的识别结果.     

Comparison and improvement of wavelet‐based image fusion

The wavelets used in image fusion can be categorized into three general classes: orthogonal, biorthogonal, and non‐orthogonal. Although these wavelets share some common properties, each wavelet also has a unique image decomposition and reconstruction characteristic that leads to different fusion results. This paper focuses on the comparison of the image‐fusion methods that utilize the wavelet of the above three general classes, and theoretically analyses the factors that lead to different fusion results. Normally, when a wavelet transformation alone is used for image fusion, the fusion result is not good. However, if a wavelet transform and a traditional fusion method, such as an IHS transform or a PCA transform, are integrated, better fusion results may be achieved. Therefore, this paper also discusses methods to improve wavelet‐based fusion by integrating an IHS or a PCA transform. As the substitution in the IHS transform or the PCA transform is limited to only one component, the integration of the wavelet transform with the IHS or PCA to improve or modify the component, and the use of IHS or PCA transform to fuse the image, can make the fusion process simpler and faster. This integration can also better preserve colour information. IKONOS and QuickBird image data are used to evaluate the seven kinds of wavelet fusion methods (orthogonal wavelet fusion with decimation, orthogonal wavelet fusion without decimation, biorthogonal wavelet fusion with decimation, biorthogonal wavelet fusion without decimation, wavelet fusion based on the ‘à trous’, wavelet and IHS transformation integration, and wavelet and PCA transformation integration). The fusion results are compared graphically, visually, and statistically, and show that wavelet‐integrated methods can improve the fusion result, reduce the ringing or aliasing effects to some extent, and make the whole image smoother. Comparisons of the final results also show that the final result is affected by the type of wavelets (orthogonal, biorthogonal, and non‐orthogonal), decimation or undecimation, and wavelet‐decomposition levels.     

结合小波变换的梯度场图像渐进融合算法

基于梯度场的图像融合算法只适用于尺度差异不大于1∶4的多光谱图像与全色图像。针对尺度差异为1∶8的北京一号卫星多光谱图像及高分辨率全色图像的融合问题,提出一种结合小波变换的梯度场图像尺度渐进融合算法。利用小波变换方法将多光谱图像与高分辨率全色图像尺度差异倍数缩小,得到基于小波变换的初级融合,再进行基于梯度场的Poisson图像融合。实验结果表明,渐进融合图像与多光谱图像的平均颜色差异值为23.5,与高分辨率全色图像的平均梯度差异值为2.1,多尺度纹理特征值差异值分别为3.98、10.2、18.9,渐进融合图像与高分辨率全色图像的空间细节和纹理细节吻合程度更好。     

Gabor小波与表情组合模板相结合的表情识别

本文提出了一种新型的表情组合模板与Gabor小波相结合的面部表情识别方法。借助Gabor小波变换在图像处理领域的优势,克服不同因素给表情识别带来的不利影响,有效的提取与表情变化有关的特征,从分类的角度来构造的表情组合模板。在人脸检测的基础上,利用Gabor小波变换提取各个区域的特征矢量,与待识别表情对应的各个特征区域的特征矢量进行比较,利用欧氏距离选择最小值对应的矢量,返回表情组合模板中,确定待识别表情的类型。实验表明该方法的识别率可达83%,表情识别效果较好。     

改进的小波高阶统计量的JPEG图像隐写分析

提出了一种针对JPEG图像隐写的盲检测改进方法。直接把JPEG图像的DCT系数分解到小波域,计算出各个子带小波系数的一系列高阶统计特征。对得到小波高阶统计特征进行校准,以使统计特征能更好地反映信息嵌入以后的变化。校准后的统计特征作为图像最后的特征。应用基于核技巧的支持向量机SVM作为分类器,判断图像是否含有隐藏信息。针对两种典型的JPEG类嵌入方法Outguess和JP Hide & Seek进行了实验,结果表明该方法有效地实现了信息隐藏的盲检测分析。