基于统计信号处理的图像融合技术研究

文章研究了统计信号处理方法在像素级图像融合中的应用。提出了在没有对原图像进行多尺度分解的情况下,直接将统计信号处理的方法—EM算法应用到图像融合中。试验表明,融合所需的计算时间大大减少,融合后的图像质量取得了满意的效果。     

一种基于多尺度最大信息熵和梯度的图像融合算法

提出了一种多尺度最大信息熵(Max Information Entropy,MIE)及梯度的图像融合算法,该算法在对源图像多尺度分解的基础上,根据低频小波系数及高频小波系数的特点,把信息熵引用到小波低频系数的选择中,根据局部信息熵的大小确定小波系数的选择;而高频采用基于最大梯度值的方法,最后对所选小波系数进行重构,即可得到融合图像.二者的结合,对图像的细节处理更加细致,又有效地消除冗余信息.通过实验分析,结果表明该算法与其他基于区域的方法相比,提高了融合效果.     

一种基于提升小波的图像融合方法

文章探讨了一种新的基于提升小波变换的图像融合算法。该算法能够有效地解决目前常用的多尺度分解方法所存在的运算速度慢、对内存的需求量大、不适于实时应用的局限性。同时，该算法可以最大限度地保留待融合图像的信息，提高了待融合图像的清晰度。实验结果表明，该算法在执行时间和融合后的图像质量上都优于传统的方法。     

一种基于EMD和IHS的图像融合算法

提出一种基于经验模态分解和IHS的图像融合算法.首先对多光谱波段影像进行IHS变换获得强度影像I,以I为基准进行全色波段影像的直方图调整,得到PANmatch影像,然后对强度影像及PANmatch影像进行EMD(Empirical Mode Decomposition)多尺度分解,把强度影像的残差与全色影像的IMF(Intrinsic Mode Function)融合得到一个新的强度影像Inew,最后对Inew进行IHS逆变换获得融合影像.实验结果表明,算法具有很好的频谱信息存储能力和空间表达能力.     

一种面向多光谱遥感图像的动态尺度梯度调制融合算法

针对多光谱遥感图像,提出一种新的动态尺度梯度调制融合算法;该算法首先根据需求选取不同波段上的光谱图像,然后在多尺度梯度塔形分解数据结构下,分析、选择合适尺度上的一幅梯度图像作为融合的引导,再经过动态的阈值选取和二值化得到调制因子,对另一幅光谱图像进行调制,获得最终的融合图像;实验结果表明,与传统的对比度调制算法和多尺度调制融合算法相比,该算法能够有效地保留、增强各个波段光谱图像中最显著的地貌特征.     

基于多孔小波和模糊区域特征的图像融合方法

提出了基于模糊区域特征的图像融合方法，该方法是在多孔小波（htrous wavelet）多分辨率分析的基础上，根据图像每层的低频分量进行K-mean，将低频图像分解为重要区域、次重要区域以及背景区域；图像各个区域针对不同属性模糊化，根据每个区域各自的模糊隶属度来确定每一部分区域的融合策略，最终得到融合图像的多尺度表示，再对其进行多分辨率反变换就可以得到图像的融合结果。实验表明，该文提出的基于模糊区域特征的图像融合方法具有较好的融合结果。     

应用主成分分解(PCA)法的图像融合技术

本文在非多尺度分解的框架下,针对像素级的图像融合,提出了一种基于PCA分解的图像融合算法。该算法利用主成分分解可以保留原数据中的主要信息这一特点,由源图像获取数据的协方差矩阵,协方差矩阵的特征值和特征向量,据此确定图像融合算法中的加权系数和最终融合图像。试验表明,应用该算法融合后的图像取得了满意的效果.     

一种基于提升小波变换的快速图像融合方法

目前，多尺度分解的方法已开始应用于图像融合．针对基于传统的多尺度分解的融合方法运算速度慢、对内存的需求量大，不适于实时应用的局限性，提出了一种新的基于提升小波变换的快速图像融合算法．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复合图像，实验结果表明，提出的算法无论在执行时间还是融合后的图像质量上都优于传统的方法，有广泛的应用前景，特别适用于实时系统。     

基于MNLMF和SF方向滤波的图像融合算法

针对非下采样金子塔(NSP)用于平移不变的剪切波变换(NSST)中不能有效捕获图像的结构信息问题,提出一种多尺度非局部均值滤波(MNLMF)和剪切波(SF)方向滤波的新变换,即利用MNLMF代替NSST中NSP分解,然后将其用到图像融合中,并将输入图像分解成不同子带.对于近似子带,采用区域像素能量(PE)与梯度能量(GE)加权和的融合规则;对于方向子带,提出基于GE与系数绝对值(CAV)混合的融合规则.同时提出了基于MNLMF与SF的图像融合算法.仿真对比实验表明,所提出的方法在视觉感知和客观质量评价两个方面具有明显的优势.     

一种基于分类的融合算法

提出了一种基于分类的融合算法 ,可用于融合低分辨率多光谱影像和配准的高分辨率全色波段影像 .算法的主要步骤如下 :(1)将 1m高分辨率全色波段影像和 4 m低分辨率多光谱影像进行几何配准 ;(2 )采用监督或非监督分类算法对高分辨率影像和配准的多光谱影像进行统一分类 ;(3)根据每一类所对应的高分辨率全色波段影像直方图和相应的空间关系 ,对配准后单个波段的多光谱影像进行调整 .(4)采用柱状坐标系对调整后的多谱影像进行 HIS(Hue,Intensity,Saturation)变换 ,并反变换至 RGB(red,green,blue)彩色空间 ,从而得到融合影像 .以天安门附近 10 0× 10 0大小 IKONOS的 1m高分辨率全色波段影像和 4 m多光谱影像为例 ,对融合算法进行了验证 .实验结果表明 :(1)此算法可以融合分类信息、全色波段的高分辨率信息和多光谱波段的光谱信息 ,突出分类信息作为先验知识的重要性 [1 ] ;(2 )在精确分类的基础上 ,可部分消除目标物边界的假彩色现象 ,有较好的目视判读效果 ;(3)对融合过程中 ,先验知识与空间关系的加入作了一些有益的尝试 .     

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Kalman滤波的数据处理多尺度融合算法

针对我国航天测量事后数据处理的现状,提出了一种基于Kalman滤波的数据处理多尺度融合算法;该算法以建立的系统动态模型方程为基础,将多台雷达的测量数据分别在不同尺度上逐次分解,然后在同一尺度上对所有雷达数据进行系统融合处理,从而提高测量数据的处理精度;用该算法处理某次卫星发射任务的理论弹道,计算结果表明:该算法处理的效果明显优于单台雷达直接进行Kal-man滤波处理的效果,并且融合尺度越小,处理精度改善的效果越明显;该算法与α-β-γ滤波算法相比,数据处理精度有较大提高。     

基于Spark的分布式数字信号处理算法库设计

传统的基于DSP与FPGA的数字信号处理技术更加适用于实时信号处理,且受到数据规模和频率分辨率的限制,使得其不适于进行大规模数据下的离线式数据处理、分析与挖掘的应用.目前工业大数据分析平台可以采用Spark作为实时信号处理和离线信号处理加速的计算引擎,但该分析平台缺少适用于分布式并行计算引擎的数字信号处理等数学计算的解决方案.基于此,本文提出了基于Spark的分布式数字信号处理算法库,为面向分析的工业大数据应用场景提供支撑.本文介绍了该算法库的架构设计,并以FFT算法和DFT算法为例介绍了传统数字信号处理算法在Spark下的分布式实现,最后对算法库进行了正确性测试和性能分析.结果表明该算法库能够正确完成数字信号处理的功能,同时可以满足工业大数据分析平台对于大规模数据集进行数字信号处理的需求.     

基于MUSIC谱估计的探地雷达回波处理方法

为了克服现有信号处理算法对探地雷达噪声及杂波滤除的不足,提出了一种基于MUSIC谱估计时域与频域联合滤波方法。利用常用的去直流波和均值滤波抑制方法进行雷达信号预处理,在此基础上,引入谱分析中信号子空间与噪声子空间的概念,将MUSIC算法与最小二乘法相结合来进行探地雷达杂波及噪声处理。仿真及实验结果表明,提出的回波处理方法可以有效地抑制雷达信号中的噪声和杂波,能提高测量数据的精度,具有较高的实用性和可用性。     

基于期望值最大算法和离散小波框架的图像融合

The discrete wavelet transform has become an attractive tool for fusing multisensor images. This paper investigates the discrete wavelet frame transform. A major advantage of this method over discrete wavelet transform is aliasing free and translation invariant. The discrete wavelet frame (DWF) transform is used to decompose the registered images into multiscale representation with the low frequency and the high frequency bands. The low frequency band is normalized and fused by using the expectation maximization (EM) algorithm. The informative importance measure is applied to the high frequency band. The final fused image is obtained by taking the inverse transform on the composite coefficient representations. Experiments show that the proposed method is more effective than conventional image fusion methods.     

关于D-S证据理论和模糊数学的数据融合算法探讨

介绍了D-S证据理论的基本原理,结合模糊数学和D-S证据理论,介绍一个多传感器数据融合技术的故障诊断系统。     

一种对统计信号处理中缺失数据估计的算法

EM算法是一种有效的应对缺失数据的估计算法,它的应用非常广泛,比如人工智能、模式识别、数理统计、图像处理、信号检测等等。首先对最有效的估计算法极大似然估计进行简单阐述,接下来引出算法的主要内容,在原理上说明了基于迭代理论的似然估计期望最大化算法,讨论EM算法的收敛性,并提出了EM算法的应用,最后简单介绍了几种EM改进型算法。