基于最小能量小波框架的多聚焦图像融合算法

针对正交小波不能同时具备光滑性、紧支性和对称性的缺点,论文提出了基于最小能量小波框架的多聚焦图像融合算法。该方法能够克服传统基于正交小波的融合算法所造成的边缘失真等现象。通过仿真,表明该算法具有较好的融合效果。     

基于小波变换与局部能量的多聚焦图像融合

本文提出了一种基于区域局部能量的不同聚焦点图像融合方法。本文利用小波分解,将图像分解为低频部分和高频部分,然后选择合适的比例,削弱低频部分,减小低频部分在整个图像能量中所占的比例,相对增大高频部分的比例,再重构图像。对于重构的图像,在空域中使用区域局部能量大小判定的方法,对各幅图像中的目标进行判断,并选择其中的清晰部分生成融合图像。该方法不但适用于多聚焦图像融合,而且还可以应用于特性类似的医学图像的融合。实验结果表明,该方法可以提取出多聚焦图像中的清晰目标,生成的融合图像效果优于Laplacian塔型方法和小波变换方法。     

多聚焦图像区域能量框架融合算法

在基于小波变换多聚焦图像融合算法中,由于融合图像中相邻像素点之间的不一致使融合图像质量大为降低。应用变换域的融合规则,以小波变换系数提取区域能量为特征值,并根据全局匹配度来决策融合规则,提出了能量框架融合算法,对小波各分量的来源进行一致性检测,使融合图像的小波分解系数更精确地应用于融合图像重构,并对此算法进行了仿真实验,通过对评价指标的分析比较,结果显示此算法图像融合效果优于加权平均、灰度值取大和区域能量算法。     

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.     

一种改进的基于方向区域能量的多聚焦图像融合算法

通过分析图像经小波变换后各子带的方向区域特性和比较各种图像融合算法的效果,提出了一种改进的基于方向区域能量选大图像融合算法.对于低频子带系数,采用基于归一化区域梯度加权的融合规则确定低频融合系数;对于高频子带系数,根据其所在高频子带的方向特性,采用基于方向区域能量选大的融合规则,进而确定高频融合系数.实验结果表明:改进...     

基于图像块多向梯度模的小波图像融合方法*

利用块分割图像融合算法的思想,提出了一种基于多向梯度模的小波图像融合方法：对图像块进行小波分解,利用小波反变换得到相同尺度的高频图像块,然后对高频图像块多向梯度滤波,比较对应块的高频图像的总的梯度模值,以挑选出其中清晰的图像块并进行一致性验证,重构图像。该方法不用进行小波反变换重构图像,真正保留了原始的清晰图像。通过实验,证明了该方法对于多聚焦图像的融合具有很好的效果和很好的稳定性。     

基于梯度的多曝光图像融合

针对运动场景拍摄的不同曝光度的图像序列,提出基于梯度的多曝光图像融合方法,将不同曝光度的图像细节呈现到同一张普通图像上。该方法是直接加权融合的方法,先用梯度信息来定义权值,然后用多分辨率加权融合。实验表明,本文的方法取得较好实验结果,消除运动物体对图像融合产生的影响,同时增强了图像的细节表现能力,具有较好的实用价值。     

基于自动聚焦算法的多聚焦图像融合

在分析了多聚焦图像特点的基础上, 将镜头自动聚焦算法移植到多聚集图像融合问题的研究中, 并加以改进, 其主要思想是: 以高频分量作为图像清晰度的判据, 寻求多聚焦图像的聚焦区域, 将其直接移植到融合图像中; 而对于一个焦点到另一焦点的过渡区域, 对其用取最大特征的融合算子进行处理。实验表明, 该算法是原图像特征的最佳近似, 优于小波分解的融合算法。     

多聚焦图像融合算法

多聚焦图像融合,是将两幅(或多幅)对同一场景的各个目标,聚焦不同的图像融合成一幅清晰的新图像.在多聚焦图像融合中,典型的群智能算法图像融合方法取得了较好的效果,如遗传算法、粒子群算法等.目前,对群智能算法的优化改进,加快图像的融合速度是一个主要的研究方向.     

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NSCT和分数阶微分的多聚焦图像融合方法

为了增加图像的细节信息,提出了一种基于NSCT和分数阶微分的多聚焦图像融合方法。首先采用NSCT将源图像分解为低频子带和高频子带,低频融合规则以基于局部对比度的变化显著度最大为决策图,高频融合规则以基于分数阶微分算法的梯度最大为决策图。最后通过逆NSCT得到融合图像。通过对比多组融合图像主、客观评价结果表明,该方法能有效保留边缘信息。     

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。     

基于视觉显著度的多聚焦图像融合方法

多聚焦图像存在聚焦区和离焦区,聚焦区通常吸引人的注意力,具有突出的视觉显著性。传统融合算法缺乏对聚焦区域的定位能力,对多聚焦图像融合的适应性普遍较差。为此,提出一种模拟人类视觉注意机制的多聚焦图像融合方法。利用谱残差算法计算源图像的显著度图,通过判断不同源图像相同位置上的像素显著性,选择显著度大的图像像素组成该源图像的聚焦区,显著度相等的像素构成边界带,使用腐蚀膨胀操作消除聚焦区内的孤立像素点,以每幅源图像的聚焦区域和梯度值较大的边界带像素作为融合图像的像素。实验结果表明,该方法能自主选择清晰像素,获得37d B以上的高峰值信噪比,且基本无参数设置,在不同类型图像融合中均表现出较强的鲁棒性。     

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。     

动静态联合滤波器在多聚焦图像融合中的应用

动静态联合滤波器具有良好的边缘平滑特性,对梯度反转和全局强度迁移等伪影具有很强的鲁棒性。为了保留源图像的结构信息,提出了基于动静态联合滤波器的多聚焦图像融合方法。首先采用动静态联合滤波器将源图像分解为结构分量和纹理分量,以视觉显著度加权法对结构分量进行融合,综合相位一致性和清晰度信息对纹理分量进行融合;将两分量叠加获得初始融合图像,并通过计算源图像与初始融合图像间的结构相似度作为决策矩阵,获得最终的融合图像。通过对比多组融合图像主、客观评价结果发现,该方法能有效保留边缘信息。     

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。     

PCA分块结合高通滤波的多聚焦图像融合研究

针对传统像素级图像融合方法割裂像素间联系的问题,提出了一种新的基于区域检测的图像融合方法。该算法主要利用PCA与高通瘛波进行区域的检测。首先,将图像分块;其次,对每块利用高通滤波和主分量分析算法判断其是清晰块还是模糊块。最后选择相应的清晰块重构图像,从而得到最终的融合结果图。实验结果表明,此方法优于传统的PCA和小波方法。     

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...