一种基于正交小波包分解和2v-SVM的医学图像融合新方法

针对现有的图像融合算法在特征表达及信息取舍上的局限性,提出了一种基于正交小波包分解和2v-SVM的医学图像融合新算法.采用正交小波包将图像信号频带进行多层次分解,提取特定的频率成分,对低频分量节点逼近系数采用本文提出的基于2v-SVM的线性加权融合算子处理,结合两幅图像中大的高频分量节点逼近系数构成新的节点系数矩阵,最后通过小波包重构得到融合后的图像.实验结果证明了该方法的有效性和优越性.     

基于边缘特征和能量的图像融合方法

根据低频域平均法,提出基于低频边缘特征和能量的多聚焦小波图像融合方法,对需要融合的图像进行小波多尺度分解,按区域能量最大化原则对高频细节分量图像进行融合,对低频近似分量图像采用能量与边缘特征相结合的融合方法。实验结果表明,与原有方法相比,该方法能更好地体现低频域边缘特征和区域特征。     

一种基于低频域边缘增强的小波融合方法

提出了一种基于低频域边缘增强的小波融合方法。首先,对参加融合的两幅图像进行小波多尺度分解,然后对最高层（分辨率最低层）高频细节分量图像进行区域绝对值取大和对其它层高频细节分量图像按区域方差最大化的原则进行融合,而对低频近似分量图像采用尺度系数卷积后区域特征度量的融合方法,增强了低频域的边缘,并采用均方根误差对该方法进行了客观评价。实验结果表明该方法有很好的融合效果,与已有的低频域平均法和尺度系数卷积融合方法相比,能更好地突出低频域边缘细节信息和区域特征。     

基于模糊熵和非分离小波变换的图像融合算法

针对传统可分离小波图像融合过程中存在部分边缘丢失和纹理信息模糊的问题,提出了突出图像细节和消减图像模糊性的融合算法.该算法在非分离小波分解框架下,对反映图像近似内容的低频分量采用局部模糊熵极大值融合规则.对反映图像细节特征的高频分量提出了区域亮度细节占优加权的融合规则.最后通过非分离小波逆变换重构融合图像.实验结果表明,该算法能在保留源图像信息的情况下,提高融合图像的清晰度,增强细节信息及亮度对比度.     

基于非分离小波的多模态医学图像融合算法*

针对传统可分离小波医学图像融合过程中存在部分边缘丢失和纹理信息模糊的问题,根据CT/MRI图像内容的互补性,提出整合及突出图像细节的医学图像融合算法。该算法在非分离小波分解框架下,对反映图像近似内容的低频分量采用区域信息熵加权融合规则,对反映图像细节特征的高频分量提出了区域亮度细节占优加权的融合规则;最后通过非分离小波逆变换重构融合图像。实验结果表明,该算法能在保留源图像信息的情况下增强融合图像的细节及亮度信息。     

基于小波包变换的区域图像融合方法

提出了基于小波包变换的区域图像融合方法。首先对参加融合的两幅图像进行小波包多尺度分解,得到两个金字塔结构。然后,先分别提取每个金字塔最高层(分辨率最低层)的近似分量图像的边缘,把两边缘图像进行或运算以获取两幅图像的共同目标的边缘图像,并求两近似分量图像的均值产生一幅新的近似分量图像,使用文章提出的“区域聚类”的方法对新的近似分量图像进行分割产生一幅标签图像,此图中的每一个区域对应图像中的一个目标,同一区域中的所有像素都取同一个值,不同的区域取不同的值。利用标签图像,对小波包分解后最高层所有的高频细节分量图像按区域能量取大的规则进行区域对区域的融合,形成融合二值决策图。利用此二值决策图对最高层的低频近似分量图像和细节分量图像进行融合,最后重构。并采用均方根误差对该方法进行了客观评价。实验结果表明该方法有较好的融合效果,其融合性能比基于窗口能量取大的单个像素的小波包图像融合方法的融合性能好。该方法体现了真正意义上的“目标融合”。     

基于形态Haar小波变换的多聚焦图像融合

针对多聚焦图像融合问题,提出一种基于形态Haar小波分解和重构的新方法。通过形态Haar小波分解源图像,在低频分量中保留图像边缘和细节,并采用加权平均法进行融合。高频分量先经Gauss滤波去除噪声和边缘效应,再按取大值的原则进行融合。结合形态Haar小波重构融合后的高低频系数获得融合图像。实验结果表明,该方法能最大限度地保留图像边缘和细节信息,与总体平均法和小波变换法相比,融合图像的熵较大,总体交叉熵较小。     

基于增补小波变换和PCNN的NSCT域图像融合算法

针对传统NSCT图像融合算法存在的不足,提出一种基于增补小波变换和PCNN的NSCT域图像融合算法。首先对源图像进行NSCT分解,生成一系列低频和高频分量。对低频分量利用二维小波分解,生成一个低频和三个方向分量,对低频分量利用局部区域能量加权方法融合,三个方向分量利用改进的高斯加权SML方法融合;对NSCT分解的高频分量,分为对最高层和其它层的融合,最高层利用改进的高斯加权SML方法融合,其余层利用边缘梯度信息激励PCNN方法融合。最后对NSCT进行逆变换得到融合图像。实验结果证实了所提算法的有效性。     

基于小波包分析的图像边缘检测

通常,图像的边缘为频率域的高频分量。小波分析是一种信号的时间-频率分析方法,而小波包分析是在小波分析的理论基础上,将信号的高频成分分开且可对高频成分继续分解,为信号提供更加精细的分析方法。该文采用基于共轭正交滤波器的小波包分解算法对图像进行边缘检测,实验表明,这种方法能够清晰地检测出图像的边缘。     

融合小波变换和形态学差分的图像边缘检测

图像边缘检测的关键是在尽量多检测到边缘的同时更有效地抑制噪声,为此提出了一种融合小波变换和形态学差分算法的边缘检测方法。将源图像进行小波分解,高频分量利用小波模极大值算法进行边缘检测,可有效提取高频边缘;低频分量采用形态学差分算法进行边缘检测,能够检测出低频边缘;采用一定的融合规则将两个边缘检测图像融合在一起。实验结果表明,该方法优于单独使用小波模极大值法或数学形态学法,对噪声具有很好的鲁棒性,得到的图像边缘连续、清晰。     

融合双阈值和改进形态学的边缘检测

图像边缘检测的关键是在尽量多检测到边缘的同时更有效地抑制噪声,为此提出一种融合双阈值和数学形态学的边缘检测方法。首先对原图像进行小波分解,利用双阈值法处理高频分量,利用多尺度多结构数学形态学算法处理低频分量;然后采用差影法对高低频边缘图像融合。实验结果表明,对比单一使用小波模极大值法或数学形态学法,该算法具有更好的抑制噪声能力,检测出的边缘更加连续、清晰。     

基于Sobel算子的小波包变换遥感图像融合算法

针对遥感图像融合时图像的空间信息与光谱信息不易兼容的问题,在小波包变换的基础上提出了一种基于Sobel算子的图像融合算法。该方法将多光谱图像与高分辨率图像进行小波包变换,根据阈值选用不同的融合准则得到小波低频系数,利用Sobel算子提取图像高频特征值,采用最值法获取高频系数。实验结果表明,所提算法优于传统的HIS(Intensity,Hue,Saturation)变换、小波变换以及两者结合的方法,在较好地保留图像光谱信息的同时,进一步增强图像的细节信息、边缘特征,从而提高图像的清晰度。     

一种基于特征量积的遥感图像融合方法

提出了一种基于特征量积的遥感图像融合方法。以目前卫星遥感领域最常见的传感器图像、多光谱图像和全色图像为例,首先对多光谱图像作IHS变换,并对全色图像和多光谱图像的亮度分量I进行小波分解,得到不同分辨率下的小波系数特征,然后根据特征量积判决准则对多光谱图像的I分量与全色图像进行特征融合,并对高频域融合规则进行一致性检测,进而用融合结果替代多光谱图像的亮度分量I,最后,作IHS反变换得到融合图像。实验结果表明,融合图像既显著地融入了高空间分辨率图像的细节信息,又有效地保留了多光谱图像的光谱信息,同时信息丰富程度增加,从而使融合图像在保持光谱信息和提高空间分辨率两个方面的综合性能达到很好的平衡。     

级联离散小波多频带分解注意力图像去噪方法

针对图像去噪网络中下采样导致高频信息损失和细节保留能力差的问题,设计了一种级联离散小波多频带分解注意力图像去噪网络。其中多尺度级联离散小波变换结构将原始图像分解为多个尺度下的高低频子带来代替传统下采样,能减少高频信息损失。多频带特征增强模块使用不同尺度的卷积核并行处理高低频特征,在子网络每一级下重复使用两次,可增强全局和局部的关键特征信息。多频带分解注意力模块通过注意力评估纹理细节成分的重要性并加权不同频带的细节特征,有助于多频带特征增强模块更好地区分噪声和边缘细节。多频带选择特征融合模块融合多尺度多频带特征增强选择性特征,提高模型对于不同尺度噪声的去除能力。在SIDD和DND数据集上,所提方法的PSNR/SSIM指标分别达到了39.35 dB/0.918、39.72 dB/0.955。实验结果表明,所提方法的性能优于主流去噪方法,同时具有更清晰的纹理细节和边缘等视觉效果。     

基于冗余小波变换与引导滤波的多聚焦图像融合

针对传统多尺度变换在多聚焦图像融合中存在的边缘晕圈问题,提出了一种基于冗余小波变换与引导滤波的多聚焦图像融合算法。首先,利用冗余小波变换对图像进行多尺度分解,将源图像分解为一个相似平面和一系列小波平面,该多尺度分解能够有效地提取源图像中的细节信息;然后,对相似平面和小波平面分别采用引导滤波的加权融合规则来构造加权映射,从而得到相似平面和小波平面的加权融合系数;最后,进行冗余小波逆变换,即可得到融合结果图。实验结果表明,与传统融合算法相比,所提算法能够更好地体现图像边缘的细节特征,取得了较好的融合效果。     

基于双正交多小波变换的多光谱与全色图像融合研究

针对多光谱与全色图像融合中存在的光谱扭曲问题,提出了一种利用双正交多小波进行多分辨率分析,并结合平均与选择法处理小波高频系数的融合算法。该算法首先对已配准的多光谱图像进行IHS变换,然后分别对变换得到的强度分量I与全色图像进行双正交多小波分解,为增强融合图像的空间信息,对分解得到的高频系数利用平均与选择相结合的方法来确定,低频系数则通过邻域方差准则得到。最后由新的小波低频和高频系数重构并进行IHS逆变换得到融合图像。实验结果表明,该方法可以有效减少光谱扭曲,并提高图像的空间分辨率,保留图像中的边缘细节。     

一种基于图像边缘检测的小波阈值去噪方法

边缘特征是图像最有用的高频信息,因此,在图像去噪的同时,应尽量保留图像的边缘特征。为实现这一想法,提出了一种基于图像边缘检测的小波阈值去噪新方法。该方法在去噪前,先用定位精度高的小尺度LOG算子检测图像的边缘,对检测出的边缘进行均值平滑滤波,以减少边缘图像中的孤立点噪声;进而再对图像边缘和含噪图像分别进行小波分解,根据分解后的小波系数以确定图像的边缘特征和非边缘特征;最后,再对图像边缘对应的小波分解系数进行小阈值处理,而对非边缘的则进行大阈值处理,从而实现了在去噪的同时保留了图像边缘特征的目的。实验结果表明,与普通的小波阈值去噪方法相比,该方法可有效地保持图像的边缘信息,去噪效果则优于前者。     

基于小波包和边缘特征的遥感图像融合算法

为了获得更多的图像细节信息,提出了一种基于边缘特征的遥感图像融合算法。该方法以小波包变换为基础,根据3个子方向的小波系数变化和边缘特征,确定融合规则。对TM多光谱图像和SPOT高分辨率图像进行融合实验,并从主观和客观两方面对融合结果进行了比较分析。仿真实验结果表明,该方法在空间细节信息的表现能力和光谱信息的保持方面都有一定程度的提高。