一种基于小波多分辨率分解的图像融合新算法

提出了一种新的基于小波多分辨率分解的图像融合方法。该方法先利用小波变换将图像分解为不同分辨率、不同方向的分量,然后利用方向对比度和基于区域标准差最大化的融合规则得到融合图像的小波系数;最后通过逆小波变换得到融合图像。实验结果表明,本方法是十分有效的。     

基于形态小波分解金字塔的图像融合

提出了一种基于形态小波分解的多分辨率图像融合.这种融合方法使用了最小形态小算子,将原始图像分解为4子带图像金字塔并且构造了相应的4子带方向对比度图像金字塔.然后利用方向对比度和区域标准差进行图像融合得到融合的4子带图像金字塔,最后应用形态小波重构得到融合图像.融合实验表明,本文方法优于传统的对比度金字塔图像融合和普通波分解图像融合.     

基于Q-Shift DT-CWT的多聚焦图像融合研究

提出了一种基于Q-Shift双树复小波变换的多聚焦图像融合算法.根据多聚焦图像的成像特点和变换后的高低频系数相关性,对高频系数采用＂模值绝对值和取大＂和对低频系数采用＂局部区域标准方差取大＂的融合准则,并对高频融合系数进行一致性检测,以实现尽可能直接选择源图像中的清晰区域系数作为融合图像对应位置的系数.实验结果表明,该融合方法获得了很好的融合效果,与小波变换相比,充分显示了近似的平移不变性和良好方向选择性等特性.     

一种基于提升小波的快速图像融合算法

提出了一种基于提升小波变换的快速多聚焦图像融合方法。首先利用提升小波算法将原始图像分解为四个子带:LLLHHLHH后将代表三个方向高频细节子带LHHLHH采用提升小波反变换,以获得各方向子带的高频细节图像,采用高斯核权重算法计算所得到的高频细节图像的非均匀加权区域能量,再根据基于能量的图像融合规则得到最终融合图像。对比了几种多聚焦图像融合方案的性能,实验结果表明,在融合效果相当的情况下,文中方法比现有方法在处理速度上有明显的优势。     

多个小波基联合的多聚焦图像融合方法M

提出了一种利用多个小波基联合的多聚焦图像融合新方法。该方法首先用每个小波基对源图像进行基于局部能量的融合,得到多幅初级融合图像,然后对初级融合图像在空间域内再进行基于局部方差加权平均融合,得到最终融合图像。实验结果表明,该方法比传统的单小波基融合方法具有更好的融合效果。     

基于小波变换的多模态医学图像的融合方法

针对单一模态的图像不能提供足够的信息,可以将互补的图像进行融合。提出一种基于小波变换的医学图像融合方法。首先对待融合的医学图像进行小波变换,分别得到低频和高频分量。对于低频分量,采用基于局部区域能量的方法进行融合;对于高频分量,采用基于局部区域系数之差的加权和方法进行融合;最后通过小波逆变换得到融合图像。实验结果表明,相比同类研究方法,该算法在保证图像质量的同时可增强图像的空间细节表现能力。     

基于二代curvelet与wavelet变换的自适应图像融合

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于二代curvelet与wavelet变换的自适应图像融合算法。首先对源图像进行快速离散curvelet变换,得到不同尺度与方向下的粗尺度系数和细尺度系数;根据红外图像与可见光图像的不同物理特性以及人类视觉系统特性,对不同尺度与方向下的粗尺度系数和细尺度系数采用基于离散小波变换的图像融合方法,在小波域中,对低频系数采用基于红外图像与可见光图像的不同物理特性的自适应融合规则,对高频系数采用基于邻域方向对比度与局部区域匹配度相结合的自适应融合规则,然后进行小波逆变换得到融合的curvelet系数;最后,进行快速离散curvelet逆变换得到融合图像。实验结果表明,该方法能够更加有效、准确地提取图像中的特征,是一种有效可行的图像融合算法。     

基于双树复小波变换的多聚焦图像融合方法

针对同一场景的多聚焦图像融合,提出了一种基于双树复小波变换(DT-CWT)的图像融合新算法.首先利用DT-CWT对图像进行多尺度和多方向分解,并根据双树复小波分解域各子带的系数特性定义了图像局部方向对比度,然后针对高频分量系数的选择,采用基于方向对比度的融合规则,而在低频域采用图像清晰度为测度的融合策略.实验结果表明,该算法能够很好地将多聚焦图像中的重要信息提取并注入到融合图像中,与其他方法相比较,取得了更好的融合效果,提高了融合图像的质量.     

多个小波基联合的多聚焦图像融合方法

提出了一种利用多个小波基联合的多聚焦图像融合新方法.该方法首先用每个小波基对源图像进行基于局部能量的融合,得到多幅初级融合图像,然后对初级融合图像在空间域内再进行基于局部方差加权平均融合,得到最终融合图像.实验结果表明,该方法比传统的单小波基融合方法具有更好的融合效果.     

基于能量、梯度与方差的多聚焦图像融合

大多数图像融合算法只就图像的某一个特征进行融合,容易造成其他特征信息损失。针对此问题,提出了一种利用哈尔小波变换的特性,考虑多种区域特征进行融合的策略,将图像进行哈尔小波变换后,根据图像的低频部分集中图像大部份能量的特征,采用梯度和能量相结合,根据图像高频部分反映图像细节的特征,采用区域方差与变换系数相结合的方法进行融合,最后经哈尔小波逆变换得到融合结果。通过对多组多聚焦图像进行融合实验,采用均值、方差、熵和平均梯度4种客观评价指标来评价融合图像效果,结果表明该方法能很好地保留图像信息,融合效果好。     

基于方向性对比度金字塔的图像融合方法

基于对比度塔形分解(CP)的图像融合方法具有良好的物理意义,却没有强调方向性的不足,为此提出了一种具有方向性的对比度金字塔图像融合方法.对多聚焦图像进行对比度塔形分解,利用方向滤波器组对高频加方向,得到不同方向的高频子分量.根据不同频率域特点,采用低频分量系数取加权平均、高频分量系数绝对值取大的融合规则,对分解后的子图像进行融合.结果表明:用提出方法得到的融合图像有较高的清晰度和空间分辨率.与基于CP和基于离散小波变换(DWT)的融合方法相比,提出的方法既能保持对比度的含义,又可提供2n个方向信息.     

基于PCA的小波多分辨图像融合方法

提出小渡多分辨率下主成份分析（PCA）的图像融合方法。首先利用小波变换对融合图像进行多分辨率分解,然后利用主成份分析方法确定图像小波低频近似系数的洎适应融合权重,采用局部区域“能量”法进行小渡高频细节系数的融合,最后将小波融合系数逆变换实现图像的融合处理。实验结果证实融合图像的目标特征突出,易于目视解译。     

基于方向区域的NSCT图像融合算法

提出一种新的基于方向区域的NSCT图像融合算法。算法首先对源图像进行NSCT分解,获得不同方向的高低频子带。其次对高低频系数,根据不同分解层的方向特性,按方向区域能量的规则进行融合。最后,通过反变换获得融合图像。该方法既保留了Contourlet变换方法的多尺度多方向特性,又具有移不变性。实验结果表明,提出的算法有效可行,对比常用的区域融合算法,获得了更好的融合效果。     

基于小波变换的图像融合方法

提出了一种基于小波变换的改进图像融合方法。对小波分解后的高频分量使用图像区域内像素的最大绝对值作为该区域中心像素的活性测度以得到融合图像的高频分量,对分解后的低频分量通过度量其图像块的质量来确定融合图像的低频分量。实验结果表明,该方法得到的融合图像清晰度和对比度都较好,是一种有效的图像融合算法。     

一种基于非采样Contourlet变换红外图像与可见光图像融合算法

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于非采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)图像融合算法.算法首先采用NSCT对源图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.然后,针对低频子带系数的选择,提出了一种基于红外图像与可见光图像物理特征的"加权平均"系数选择方案;针对各带通方向子带系数的选择,结合人眼视觉特性,提出了一种基于区域能量匹配的系数选择方案,得到融合图像的NSCT系数.最后经过NSCT逆变换得到融合图像.实验结果表明该算法可获得较理想的融合图像,其融合效果优于传统的基于离散小波变换以及离散小波框架变换的图像融合算法.     

基于均匀离散曲波变换的多聚焦图像融合

利用均匀离散曲波变换（UDCT）多尺度、多方向、低冗余等特征,提出了一种新的多聚焦图像融合方法。首先使用UDCT对源图像进行多频带分解;然后根据多聚焦图像的特点,对分解后的低频子带系数运用一种基于改进拉普拉斯和算子的方案进行融合,对高频方向子带系数运用基于局部能量的融合规则进行融合,并对融合系数做一致性检测;最后重建各子带系数得到融合图像。实验结果表明:所提方法可以有效地融合源图像中的方向信息和细节特征,同时抑制了融合图像中的伪Gibbs现象;与基于拉普拉斯金字塔分解、小波变换以及轮廓波变换的图像融合方法相比,该方法取得了更好的视觉效果和量化结果。     

基于小波变换的EMCCD微光图像融合算法

由于增益水平的不同,电子倍增电荷耦合器件图像所显现的图像内容不同,且图像动态范围极窄、对比度低、图像整体偏暗或模糊发白。为了提高微光图像动态范围及对比度,采用将不同增益水平的微光图像进行融合的算法,即先获取两组同场景但增益不同的微光图像,再对小波分解后的微光图像选择不同的融合规则,最后通过小波变换实现图像融合,得到了高质量的融合图像,并取得了融合图像的信息熵、标准差、平均梯度等性能指标数据。结果表明,该融合算法能使得融合后的图像同时包含低亮度景物和高亮度景物,达到了增大微光图像的动态范围及对比度的目的,有效改善了微光图像的质量。