基于映射复支持度变换的多聚焦图像融合

针对支持度变换在多聚焦图像融合技术方面存在的不足,提出了基于软空间映射的复支持度变换的图像融合方法,该方法将图像信息(实数域)映射到其软空间的象(复数域),在此基础上进行支持度变换,既保留支持度变换已有的优点,又增加了图像的分解信息量,进一步提高了图像融合质量.实验结果表明在主观融合效果与客观评价指标方面与支持度变换相比均有一定提高.     

基于小波变换的多聚焦图像融合

为了获得大场景的清晰图像,一般是将几幅聚焦于这一场景的不同目标点上的图像经过各种融合算法处理后获得。先对源图像进行小波变换,再计算其改进后的空间频率,然后采用改进后的空间频率作为参数来决定源图像数据的选取规则：低频部分采用基于改进后的空间频率的加权系数法,高频部分直接取基于改进后的空间频率的小波系数最大值。实验所选取的阈值为0．8。从实验结果可以看出采用的方法比文献[5]的方法更好地保留了源图像的边缘信息,同时也更大地提高了融合后图像所含的源图像信息量。     

基于小波变换的多聚焦图像融合

为了获得大场景的清晰图像,一般是将几幅聚焦于这一场景的不同目标点上的图像经过各种融合算法处理后获得。先对源图像进行小波变换,再计算其改进后的空间频率,然后采用改进后的空间频率作为参数来决定源图像数据的选取规则：低频部分采用基于改进后的空间频率的加权系数法,高频部分直接取基于改进后的空间频率的小波系数最大值。实验所选取的阈值为0．8。从实验结果可以看出采用的方法比文献[5]的方法更好地保留了源图像的边缘信息,同时也更大地提高了融合后图像所含的源图像信息量。     

基于双树复小波变换彩色多聚焦图像融合方法

针对离散小波变换图像融合算法在特征表达上存在的不足,将双树复数小波变换引入到彩色多聚焦图像融合中。对彩色图像的三个通道分别进行融合处理,并采用基于多测度的融合策略：各通道小波变换后低频子带采用区域清晰度的方法;高频子带采用区域标准差的方法。融合效果评价除使用传统方法的熵、交叉熵外,还使用了通用的主观与客观相结合的方法。通过对实验结果的主客观性能分析,验证了该方法得到的融合图像效果较好,优于离散小波变换融合算法。     

基于小波变换的多聚焦图像融合方法

介绍一种利用小波变换实现多聚焦图像融合的方法,它针对小波变换后图像的近似部分和细节部分采用不同的融合规则,组成一个新的小波分解系数,再进行小波重构,即可得到融合图像.实验结果表明,基于小波变换的多聚焦图像融合方法具有良好的效果.     

基于支持向量聚类的多聚焦图像融合算法

从无监督机器学习角度提出了一种基于SVC(support vector clustering)的图像融合规则,解决了基于SVM(support vector machine)的融合规则在处理多聚焦图像融合问题时所引起的区域混叠与非平滑过渡问题,进一步提高了融合图像的质量.使用非降采样离散小波变换对源图像进行多分辨率分解,基于网格提取源图像的特征.图像特征集合作为SVC的输入数据集,聚类结果最终由区域鉴别算法分配到两个区域:互补信息区域和冗余信息区域,并分别采用选择法和加权平均法生成融合图像的多分辨率表示,通过对这一多分辨率表示进行小波逆变换重构融合图像.详细研究了SVC的参数q与融合效果的评价参数RMSE之间的关系.理论分析及实验结果均表明,SVC用于图像融合问题是合适的,而且比较实验显示,基于SVC的融合规则优于基于SVM的融合规则.     

基于嵌入式多尺度变换的多波段图像融合

针对序贯式融合方法常常会降低多波段图像间原有差异的问题,提出了基于嵌入式多尺度变换(embedded multi-scale transform, EMT)和局部差异特征的多波段图像融合方法.利用支持度变换法(support value transform, SVT)分别分解多波段图像;再采用四叉树(quad-tree, QT)法分解灰度值较分散的某波段图像的最后一层低频成分图像,以分解得到的块图像为标准分别分割其他波段的最后一层低频成分图像;采用可能性理论的析取融合规则对多波段低频块图像进行特征级融合;遍历所有块得到低频融合图像块;将拼接得到的低频融合图像与像素级逐层融合得到的支持度图像序列进行逆变换,获得最终融合图像.实验结果表明：四叉树分解融合有显著效果,与单纯的四叉树融合相比,嵌入式多尺度分解融合图像的边缘强度提高了13.3¹,%,对比度提升了2.63%,熵提高了4.26 %,运行时间下降了87.11%,证明了所提出方法的有效性.     

基于多小波变换和区域相似度的多聚焦图像融合

通过分析图像经多小波分解后小波系数的多个统计特征,构造出多小波系数区域相似度,结合多聚焦图像的成像机理,提出了一中基于多小波变换和区域相似度的融合算法,实验结果表明,该算法可有效融合多聚焦图像,从而获得场景内所有物体都清晰的图像.     

基于小波包变换的多聚焦图像融合

由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像。多聚焦图像融合技术可有效地解决这一问题。在分析了小波包变换的概念和原理后,提出了一种基于区域统计融合规则的小波包变换多聚焦图像融合方法,先对不同聚焦图像分别进行小波包变换,采用低频系数取平均,高频系数根据区域统计值决定的融合规则,再进行小波包反变换得到融合结果。仿真试验表明,相比小波变换法,本文方法可有效综合多聚焦图像,获得了更好的融合效果。     

Curvelet变换在多聚焦图像融合中的应用

综合分析Curvelet变换的特性,提出一种基于Curvelet变换的多传感器图像融合算法。首先将图像进行Curvelet变换,然后基于子块区域方差和区域能量对图像的低频系数和高频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。对该方法得到的融合图像进行了主客观评价和对比。实验结果表明,该方法得到的融合图像在图像边缘等细节上比传统方法和小波算法得到的图像具有更好的视觉效果,在均方根误差、偏差指数、峰值信噪比等客观指标上都优于其他方法。     

基于清晰度和非下采样多聚焦图像融合

根据多聚焦图像的特点提出一种基于清晰度的NSCT图像融合算法。在清晰的区域,低频系数和高频系数全部采用清晰区域的系数,而从清晰到模糊过渡的区域,低频系数则取区域方差值最大,高频子带系数取区域能量值最大。该算法与梯度金字塔算法、小波融合算法和Contourlet融合算法进行比较,实验结果证明该方法融合后的图像与源图像具有最小均方差。     

基于M带小波变换的多聚焦图像融合

针对目前小波域内多聚焦图像融合所存在的问题,提出一种基于M带小波变换的图像融合方案。由于M带小波变换域在能量紧致性和方向选择性等方面都比传统二带小波更有优势,综合考虑图像在M带小波变换域的多尺度和多方向性信息以及局部区域的相关特性,提出了一种新的小波域图像融合策略——基于多子带联合窗口特性的图像融合。仿真实验分析表明,该文算法的结果不论在视觉效果还是在信息量指标方面都优于传统的二带小波。     

基于双树复小波变换的图像融合方法

为获得更好的融合效果,提出基于双树复小波变换的图像融合方法。双树复小波变换具有平移不变性、方向选择性等特点,适合进行图像融合,优于传统离散小波变换方法。给出多策略的融合规则,源图像小波变换后低频采用区域清晰度,高频采用区域标准差。灰度多聚焦图像和彩色多聚焦图像的融合实验测试以及评价指标的统计结果,表明了双树复小波变换方法的优势和所用融合规则的有效性。     

基于小波变换的多聚焦图像融合新算法

针对多聚焦图像,提出了一种新的基于小波变换的图像融合算法.首先将图像进行小波分解,得到低频图像和高频图像,对于低频图像采用基于邻域能量的方法进行融合,高频图像采用基于邻域方差取大的方法进行融合.最后进行小波逆变换,得到最终的融合图像.通过仿真实验验证了算法的有效性,实验结果表明,该算法明显优于传统算法.     

基于区域锐度的多聚焦图像融合

为了获得同一场景内所有物体都清晰的图像,提出一种新的多聚焦图像融合算法。把待融合图像进行分块,构造融合块的清晰度评价函数（区域锐度）,根据其区域锐度值,判断融合块应取自哪幅源图像。采用投票选举的方法对融合图像进行一致性校验,对相邻但来自不同聚焦图像的融合块进行加权融合。实验结果证明,与基于小波分解的融合算法相比,该算法速度快、效果好。     

基于小波变换与支持向量机的短期电力负荷预测

利用多分辨分析的小波变换对短期电力负荷序列进行分解处理，将负荷序列投影到不同的尺度上，对各子负荷序列根据其特性采用不同的支持向量机进行训练和预测，最后把各预测的结果叠加得到完整的负荷预测结果。算例结果表明该方法同支持向量机的方法相比较具有较高的预测精度和较强的适应能力。     

基于分块的不可分小波多聚焦图像融合

为解决现有图像融合方法存在均方根误差较大、熵值和空间频率较小的问题,提出一种基于分块的不可分小波多聚焦图像融合方法.该方法利用不可分小波滤波器组对原图像进行多尺度分解,选取特征较明显(方差大)的块作为融合子图像的组成块,对融合块图像做不可分小波逆变换后形成融合图像.实验结果表明,相比其他融合方法,该方法能消除块痕迹、节...     

基于融合的多类支持向量机

支持向量机可以处理2类问题,通过“一对一”和“一对多”方式能将2类支持向量机扩展为多类支持向量机。提出一种基于两类支持向量机融合的多类支持向量机构成方法。对分类器融合采用极大值法、极小值法、乘积法、均值法、中值法、投票法和各种决策模板融合方法。在日本女性表情数据库JAFFE上应用该方法进行人脸表情识别,结果证明了其有效性。     

基于图像块能量梯度的多聚焦图像融合

针对多聚焦图像,提出一种基于图像分块的融合方法。将源图像分为大小相同数量相等的子块,采用能量梯度算子作为对焦评价函数,计算各个图像子块能量梯度匹配度,设置匹配度阈值分离出源图像中的清晰区域。源图像中的清晰区域直接作为融合图像相应的区域,其它区域的处理中,构造与相应子块能量梯度大小相关的图像序列,以及像素点到各个子块中心距离相关的融合函数,然后用融合函数对图像序列融合。实验结果表明该方法有效性和合理性。