一种基于提升小波变换的图像融合方法

在针对传统的多尺度分解的融合方法运算速度慢、内存需求量大，不适于实时应用的局限性的基础上，提出了一种基于提升小波变换的图像融合算法。多个源图像分别进行提升小波分解，使用恰当的融合规则合并各尺度对应的分解系数，通过提升小波逆变换得到融合图像。实验结果表明，提出的算法无论在执行时间还是融合图像质量上都优于传统方法，有广泛的应用前景，特别适用于实时系统。     

一种基于提升小波变换的图像融合新算法

提出了一种基于提升小波变换的图像融合新算法.该算法对多源图像进行提升小波分解,并针对分解后的低频和高频分量各自的特点,选用不同的规则进行融合,即低频近似系数采用基于邻域空问频率加一致性检验,高频细节系数采用基于像素点的绝对值取最大,最后进行提升小波逆变换得到融合图像.实验结果表明,当采用空闻频率误差比率和平均梯度作为客观评价标准,该算法具有良好的融合效果.     

基于小波变换图像融合算法的研究

图像融合技术是将获得的两个或两个以上图像进行融合,生成一个新的图像的过程。本文通过对小波变换理论的分析研究,运用高频融合规则和低频融合规则,对图像进行加权融合,然后将新生成的图像与原图像进行对比。本文运用MALTAB软件对小波变换的融合算法进行仿真,使得实验结果能够很清晰明了的体现出来,充分展示出图像融合技术的优势所在。     

一种基于Curvelet变换的图像融合新算法

基于Curvelet变换提出了一种新的融合算法.首先将图像进行Curvelet 变换,然后对粗尺度系数和细尺度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.对得到的融合图像进行了主客观评价和对比,实验结果表明,本文方法得到的融合图像,在熵、均方误差(MSE)、峰值信噪比(PSNR)和相似度等客观指标上都优于其他方法.     

基于小波变换的红外偏振图像融合算法

为了改善红外图像质量、提高人造目标的可识别率,基于偏振度图像能够较好地凸显人造目标,偏振角较好地描述不同物体表面取向,I图像能反映场景的强度信息的特征,采用对红外图像进行偏振图像融合的算法,即先通过红外热像仪和偏振片拍摄到偏振角度为0°,60°和120°3幅红外图像,再通过计算得到I,Q,U图像,进而得到偏振度图像和偏振角图像,最后对I图像、偏振度和偏振角图像进行红外偏振图像融合,得到高质量的红外偏振图像,由理论分析得到了各个图像的性能指标数据。结果表明,基于小波变换的红外偏振图像融合算法得到的图像数据合理,达到了改善红外图像质量和提高图像中的人造目标的可识别率的目的。     

一种基于小波-Contourlet变换的多聚焦图像融合算法

利用小波-Contourlet变换良好的多尺度性和多方向性特征,提出一种基于小波-Contourlet变换的多聚焦图像融合算法,引入Cycle Spinning来有效地消除由于小波-Contourlet变换缺乏平移不变性而产生的图像失真.实验结果表明,与其他基于多分辨率分析的多聚焦图像融合算法相比,该算法显著减小了融合图像的RMSE值,提高了融合图像的视觉效果.     

基于小波-Contourlet变换的偏振图像融合算法

针对传统图像的信息保留不充分,以及偏振图像妨碍视觉观察、纹理细节不理想等问题,提出了一种基于小波-Contourlet变换(WBCT)的偏振图像融合算法.首先,将预处理过的4幅偏振角度图像,通过Stokes方法得到偏振强度图像和偏振度图像;后采用WBCT变换分解,低频系数采用PCA变换方法进行融合,高频系数通过区域特性能量的融合规则进行融合,最终的偏振融合图像由WBCT逆变换高低系数获得.实验结果表明,在主观视觉上,图像观察舒适性较好;并且,通过选取方法的对比,融合后的图像在客观评价指标上,皆优于选取的方法.     

基于小波变换的红外与可见光图像融合技术研究

随着传感器技术的发展,单一的图像传感器往往不能够从场景中提取足够多的信息,需进行多源图像融合.为了解决多传感器图像所表现的目标特征不一致的问题,本文采用小波变换对红外及可见光图像进行了融合.首先利用小波变换将图像进行多尺度分解.对于高频部分融合,取两幅图像小波系数矩阵对应元素的最大绝对值构造小波系数矩阵;针对低频部分融合,采用基于领域像素相关和基于区域方差相结合的策略.实验结果表明,该算法将红外与可见光图像对同一目标所表现出的不同特征、细节有效地融合在一幅图像里,增加了单幅图像的信息量,丰富了目标的信息层次,为图像显示观察和后续图像处理系统获取信息提供了基础.     

基于小波-Contourlet变换的多传感器图像融合

提出了一种新的基于小波-Contourlet变换的融合多传感全色和多光谱影像的算法.由于Contourlet变换具有良好的多方向性和多尺度,所以它比其他方法更适应于进行多传感图像融合,对于小波-Contourlet变换后得到的低频和高频分量系数,采用平均法选择低频区域系数,选择区域"能量"较大的高频系数作为融合影像的高频系数.实验结果表明,基于所提出的小波-Contourlet变换的融合结果优于其他常用的融合方法.     

基于小波变换的目标融合的算法研究

重点研究基于小波变换的图像融合方法,并对传统的图像融合方法和基于小波变换的图像融合方法展开了对比.通过软件仿真得出,基于小波变换的图像融合算法实验结果证明该算法融合效果良好,融合后图像的清晰度较传统融合算法有明显的提高.     

基于提升小波变换的红外图像融合算法研究

介绍了提升小波变换,提出了基于提升小波变换的图像融合方法,算法针对提升小波变换后的低频分量和高频分量的不同特点,选用了不同的融合准则进行融合,然后通过提升小波逆变换得到融合图像。通过分析可见光与红外图像的融合结果并与其他融合方法进行比较,实验结果表明,该算法使得融合后图像内容清晰,具有增强图像的空间细节能力,取得了较好的融合效果。     

人工鱼群算法优化的小波图像融合

针对甲状腺肿瘤的B超、核素图像和颅腔横断面的CT,MRI图像,提出一种使用人工鱼群算法寻优的小波图像融合方法。利用小波变换将源图像进行小波分解,得到源图像的低频部分和高频部分。低频部分的系数使用加权融合算法进行融合,为使融合结果包含足够的信息量,以综合熵作为适应值对低频部分使用人工鱼群算法进行优化,得到融合系数的最优权值。高频部分的系数采用取绝对值最大的融合规则。通过小波逆变换得到融合图像。实验过程中,分别对这两组医学图像进行融合。客观评价参数表明该算法能够得到更优的融合图像。     

基于Contourlet变换的彩色图像融合算法

以红外和彩色可见光图像为研究对象,提出一种基于Contourlet变换的彩色图像融合算法.算法首先通过IHS(Intensity-Hue-Saturation)变换将彩色可见光图像从RGB颜色空间变换到IHS空间,进而利用Contourlet变换和加权融合规则将 I 分量图像与红外图像进行融合,然后将得到的灰度融合图像进行线性拉伸以获得与 I 分量相同的均值和方差,最后用拉伸后的灰度融合图像替换原来的 I 分量,并通过IHS逆变换得到最终的RGB彩色融合图像.算法一方面将Contourlet变换这一新的数学工具引入到图像融合中,另一方面提供了一种新的红外和可见光图像的彩色融合方法.实验结果表明,同样采用本文的彩色融合方法,Contourlet变换的融合结果优于小波变换,而且本文彩色融合方法的融合性能明显超过传统IHS变换融合法.     

基于小波变换的图像融合技术研究

基于小波变换的融合算法形成了多分辨率融合算法的一个新的有用框架。由于人类视觉只对亮度信号的局部对比度敏感,提出了小波对比度的概念。图像经小波多分辨率分解后,依照小波对比度,定义变换系数邻域活性和系数匹配程度测度,按照系数匹配程度加权系数形成融合图像。将小波多分辨率分解和人类视觉对局部对比度敏感的特性优雅地结合在一起。     

基于小波变换的医学图像多因子融合技术及实现

概述了医学图像融合的意义。分析了以小波变换作为研究工具的理论优势。阐述了基于小波变换的图像融合原理．描述了具体的融合算子和性能评价参量。抽取了几幅医学图像进行融合试验并对结果加以分析。     

一种基于Ridgelet变换的遥感图像融合方法

Ridgelet变换是继经典的小波变换之后提出来的一种新型图像多尺度几何分析工具.针对不同波段的远程遥感图像提出了一种基于新型正交Ridgelet变换的遥感图像融合方法.该算法基于新型的可逆离散脊波多尺度变换,通过客观评估融合性能说明该方法优于其他三种典型融合方法,尤其是优于各种基于小波变换的图像融合方法,仿真实验证明该方法融合效果良好.     

一种基于小波变换和图像边缘特征的图像融合方法

图像融合是信息融合的重要组成部分,是一种重要的增强图像信息的方法。本文将图像小波变换边缘提取和图像融合结合起来,提出了一种基于图像边缘特征的图像融合方法。首先对输入图像进行小波变换,用模极大值方法检测出图像的多尺度边缘,然后利用边缘特征对小波系数进行融合。实验结果表明该方法既能有效地去除噪声,又能突出源图像的边缘细节信息,是一种有效的图像融合方法。     

基于NSCT变换和小波变换相结合的图像融合算法研究

针对小波变换在表达图像边界及线状特征上的缺陷,以及NSCT变换在表达图像细节信息的不足,提出了在红外图像与可见光图像融合的过程中采用基于NSCT变换和小波变换相结合的图像融合算法。在图像NSCT分解后,对低频系数使用基于小波变换的融合算法,对高频系数结合融合图像的特点采用了基于区域方差的融合规则。实验结果表明,基于NSCT变换和小波变换相结合的融合算法能更好地保持可见光图像的光谱信息和红外图像的目标信息,具有更多的细节特征以及更清晰的边缘。