多源影像融合与分割的协同方法

针对现有影像融合与分割方法之间缺乏协同的问题,借鉴数据同化系统能够协同其模型算子和观测算子,并且能够自适应地优化其本身的思想,提出一个多源影像融合与分割的协同框架.在该框架下,以基于对比度金字塔变换和基于非下采样的Contourlet变换的两种融合方法分别模拟模型算子和观测算子,以评价分割效果的概率随机系数为目标函数,以带交叉算子的粒子群算法作为数据同化系统的优化算法.该框架可根据融合结果影像来调整分割算法的参数,利用分割结果来指导融合结果的优化,从而使得影像融合与分割协同工作.二组实验验证了该框架的有效性.     

基于数据同化和粒子群优化算法的遥感影像融合

针对现有的基于色彩空间变换、基于统计以及基于多尺度分析等融合模型的建立主要依赖于经验,其参数选取存在主观性,基本上不能根据融合图像的后续使用目的进行自适应调整的问题,该文提出了一种基于数据同化和粒子群算法的遥感影像融合框架。此框架根据后续处理对影像各个属性指标值的依赖程度确定各个属性指标的权重,构造由影像各个属性评价指标的加权和所组成的目标函数,再利用粒子群算法优化目标函数从而获取合适的影像。一组实验以熵、平均梯度、标准方差、空间频率和结构相似性等定量指标验证了该框架的有效性。     

采用WA-WBA与改进INSCT的图像融合算法

在冗余提升变换与多方向分析相结合的图像融合算法改进的非下采样轮廓波变换(INSCT)中,冗余提升部分采用的Neville算子在多尺度分解的过程中丢失了很多方向信息,不利于后续的多方向分析。针对这一问题,该文提出了一组新算子,可以在频带分解部分很好地保持图像的方向信息,并在此基础上提出一种图像融合算法。该算法先用直方图均衡化的方法提高红外图像中目标区域的灰度值;然后用新算子代替Neville算子对可见光图像与处理后的红外图像进行多尺度分解;最后采用基于权重窗口的活动级与加权求和相结合(WA-WBA)的方法替代简单的加权求和方法对低频子带进行融合,采用一致性测度,实现了各子带系数的自适应融合,有效地弥补了基于像素的图像融合方法的不足。实验结果表明,该算法使融合后的图像更好地保持了可见光的细节信息,同时获得了较清晰的红外图像中的目标信息。     

边缘检测和小波变换在多聚焦图像中的应用

根据多聚焦图像的特点,把边缘检测方法和小波变换融合算法结合起来,可以获得同一场景内所有物体都清晰的图像。首先利用高斯—拉普拉斯算子对源图像进行融合,得到边缘清晰的融合图像;接着对源图像进行小波变换,变换后的小波系数融合规则采用选择融合和加权平均融合相结合,经反变换后得到整体清晰的图像;最后将边缘清晰融合图像与小波变换融合图像再一次融合,得到了清晰度增强的融合图像。仿真试验表明,边缘检测和小波变换相结合的融合方法可有效综合多聚焦图像。     

基于多尺度变换的PCNN和FOA图像融合

为解决传统的图像融合算法融合质量不高的问题, 提出一种采用果蝇优化算法(FOA) 自适应地选取脉冲耦合神经网络(PCNN)的4个参数并将其与多尺度变换相 结合的图像融合方法。首先利用4种多尺度变换对待融合图像进行分解,对得到 的低频分量采用 PCNN和FOA的融合规则进行处理,对高频分量采用绝对值最大的原则进行系数选择,最后 通过逆变换 得到融合后的图像。实验结果表明,与常用的融合规则对比,在 主观效果上,本文融合规则能够更有效地保留源图像中的细节信息,提高融合图像的质量; 在客观指标上, 本文方法的融合图像在互信息(MI)、边缘保持度QAB /F、熵(entropy)、平均结构相似度(MSSIM)以及标准差(SD )等客观评价指标上更为优越。     

结合Shearlet变换和果蝇优化算法的甲状腺图像融合

针对甲状腺肿瘤超声图像复杂度高和SPECT图像边界模糊的特点,结合Shearlet变换能够捕捉图像细节信息和果蝇优化算法可靠性高的优势,提出了Shearlet变换和果蝇优化算法相结合的图像融合算法。首先,用Shearlet变换对已精确配准的源图像进行分解,分别得到高低频子带系数。高频子带系数采用区域能量取大的融合规则,低频子带系数使用改进的加权融合规则,并把果蝇优化算法引入低频融合过程,以互信息作为适应度函数来获取最优值,克服了原加权融合算法互信息低的缺点。最后,用Shearlet逆变换得到融合后的图像。实验结果表明,此算法在主观视觉效果和客观评价指标上优于其他融合算法。     

基于改进SIFT特征匹配的快速图像拼接算法

针对经典SIFT算法存在特征点冗余、运算量大、鲁棒性差的问题,提出一种快速、准确的图像拼接算法.在SIFT提取不变特征向量过程中加入多尺度Harris检测算子,筛选出更能代表图像信息的特征点.利用快速RANSAC算法(PERANSANC)计算图像之间的变换矩阵.把检测到的特征点作为图像中的运动目标,运用KLT跟踪算法,确定特征点的精确位置,精炼变换矩阵.实验验证了该算法的稳健性和快速性.     

内插阵列变换扩展传播算子算法

扩展传播算子(EPM)算法是首先对数据进行扩展,再利用传播算子(PM)方法进行测向的一种算法,该算法充分利用了非圆信号的特点,分辨力和估计精度优于未充分利用非圆信号信息的经典高分辨算法。但是在实际信号测向中,由于阵元位置误差的存在,算法的估计性能会受到一定的影响。因此提出一种基于内插阵列变换的扩展传播算子(VIA-EPM)算法,该算法利用真实阵列流型与虚拟阵列流型之间的变换矩阵,将真实协方差矩阵变换为虚拟协方差矩阵,再对虚拟协方差矩阵进行分块并得出扩展传播算子,进而得出算法的空间谱函数。仿真实验表明:在存在阵元位置误差的情况下,新算法通过对阵元位置校准数据进行内插阵列变换(VIA),取得与阵元位置校准的EPM算法相当的估计性能,保持了阵列扩展能力以及高估计精度,在低信噪比情况下,基于扩展协方差矩阵的VIA-EPM算法的分辨力以及估计精度均要优于基于扩展数据矩阵的VIA-EPM算法。     

基于Levenberg-Marquardt算法的图像拼接

Levenberg-Marquardt(简称LM)算法是高斯-牛顿法和梯度下降法的结合,既有高斯牛顿法的快速收敛性,也有梯度下降法的全局搜索特性.将LM算法应用于图像拼接过程中变换矩阵的参数自动优化中,通过对多个对应点的自动优化后,可以较快得到变换矩阵,从而实现图像拼接.在LM算法中,以对应点距离的平方和作为目标函数,给出此方法详细的实现过程与结果.与以灰度差平方和为目标函数相比,避免了提前采用插值算法,从而求得的M变换矩阵更精确.结果表明,该方法实现图像拼接的精度高,速度快.     

改进海鸥算法的多阈值图像分割算法北大核心CSCD

为进一步提高图像分割精度,改善传统多阈值图像分割方法计算量大、分割慢的问题,提出了改进海鸥算法(improved seagull optimization algorithm,ISOA)的多阈值图像分割方案。针对原始海鸥算法(seagull optimization algorithm,SOA)存在早熟、寻优精度不足的问题,首先,采用cubic混沌映射优化初始解,提高搜索效率;其次,引入鹰栖息优化算法(eagle perching optmizer,EPO)的缩放因子和疯狂算子进行扰动,并与麻雀搜索算法(sparow search algorithm,SSA)警戒者的位置更新相结合,优化寻优精度和收敛速度,避免陷入局部最优。利用6种基准测试函数对ISOA进行寻优性能测试。最后,将ISOA与图像分割的最优阈值选取相结合,进行基于Otsu的多阈值图像分割,并与现有分割算法进行对比。仿真结果表明,ISOA在基于Otsu的图像分割中,100%取得了最优值,且80.9%的结果优于其余算法,使图像的分割精度和质量均得到了优化。     

基于交替非负最小平方投影梯度NMF的TINST域图像融合

为了克服现有基于多尺度分解(MSD)的图像融合方 法存在的某些缺陷,增强多模态图像的融合精度,提出了一种平移不变不可分离剪切波交换 (TINST)结合交替非负最小平方投影梯度非负矩阵分解(NMF)的图像融合方法。首先利用TINS T对源图像进行多尺度、多方向分解,得到一个低频子带和多个高频方向子带系数;然后将 低频子带系数看作原始观测数据,采用交替非负最小平方投影梯度NMF算法进行融合,得到 包含特征基的 融合低频子带系数,将高频方向子带系数作为脉冲耦合神经网络(PCNN)的外部输入激励,经 点火处理和判决选择算子选 择,得到融合高频方向子带系数;最后应用逆TINST重构融合后的子带系数,得到融合图 像。采用多组多模态图像进行融合实验,并对融合结果进行了客观评价。试验结果表明,本 文提出的融合方法在主观和客观评价上均优于其他MSD融合方法。     

基于IMOPSO算法的多目标多聚焦图像融合

目前的多聚焦图像融合方法对于融合模型的建立主要依赖于经验,其参数配置存在主观性.提出了一种基于IMOPSO算法的多目标多聚焦图像融合方法,简化了多聚焦图像融合模型,克服了参数配置对经验的依赖性.首先给出了多聚焦图像融合有效的评价指标,然后构造了统一的小波域多聚焦图像融合模型,最后以模型参数作为决策变量,采用IMOPSO算法进行多目标优化搜索.IMOPSO算法不但引入变异算子以避免早熟,而且引入拥挤算子,使Pareto优解尽可能均匀分布于Pareto前端,并采用一种新的自适应惯性权重提高寻优能力.实验结果表明,IMOPSO算法具有更快的收敛速度和更好的寻优能力,同时基于该算法的融合方法也实现了Pareto最优多聚焦图像融合.     

一种小波域改进非局部均值滤波算法

提出了一种噪声图像高效滤波算法。该算法对经典非局部均值滤波算法从边缘保持效果和计算复杂度两个方面加以改进。提出一种基于图像结构相似度(SSIM)相似性检测算子,并将其与传统的高斯加权欧氏距离进行加权融合,从而实现对经典非局部均值滤波的改进,可实现对图像边缘和平坦区域滤波的有效兼顾。将其引入到小波变换域,对于高频子图像,首先采用Canny算子实现自适应边缘检测,获得边缘和非边缘图像,采用改进非局部均值滤波和经典非局部均值滤波分别加以处理,然后实现图像的融合;最后实现小波系数重构。通过对实物图像和标准测试图像的仿真实验结果表明,该滤波算法的去噪效果较优,能基本实现对高强度随机噪声情形下的图像复原,从而印证了该滤波思路的可行性。     

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.     

改进的小波变换算法在图像融合中的应用

为了改善传统图像融合方法在精确制导武器系统中对目标检测模糊、识别率低与实时性差等缺陷,采用了一种将小波变换与Canny算子相结合的图像融合的新方法。该方法的具体改进在于首先对源图像在垂直和水平方向上进行了适合图像重构的3层小波分解,并依据各分解层不同频率分量的自身特性,采用独特的融合规则,即对低频分量采用加权平均融合算法,对高频分量采用Canny算子与局部区域均方差准则结合法改变图像的小波系数,最后对融合后的小波系数进行逆变换,得到重构的目标图像。结果表明,利用该方法不仅降低了融合图像的边缘模糊性,突出了目标色彩,达到良好的视觉效果,而且计算效率高、实时性好,特别有助于伪装目标的检测与识别,具有较好的应用价值。     

一种新的像素级多聚焦图像融合算法

该文在小波变换的基础上提出了一种将一维自组织特征映射(SOFM)网络和进化策略相结合的多聚焦图像融合算法。该方法对不同聚焦点的图像进行冗余小波分解,再分别将其各方向、各尺度的高频信息进行叠加,并在高频信息叠加层上提取反映图像清晰度差异的归一化特征图,依据此特征图,使用SOFM网络对原始图像像素进行分类,并利用进化策略对各类像素求出最优的融合系数。实验结果表明该算法比拉普拉斯变换法和小波变换法具有更好的融合效果。     

一种基于Lasso回归与SVD融合的深度学习模型压缩方法

针对深度学习模型所需的海量参数及强大的计算资源而导致其不能很便捷地应用于嵌入式设备或移动端的问题,在Lasso（Least Absolute Shrinkage and Selection Operator）回归通道挑选法的基础上,提出了Lasso+奇异值分解（Singular Value Decomposition,SVD）的融合压缩法。使用VGG-16为初始模型,分别在不同的小型数据集上进行迁移学习,使用迁移学习后的模型在不同的加速率下进行测试。实验结果表明,相对于传统的模型压缩算法,Lasso+SVD的融合压缩法实现了在加速和参数压缩两方面的优势,进而以目标检测为应用方向,在保证准确率的同时不仅降低了模型存储需求,而且也较大提升了模型的实时性。