一种抽样小波域的遥感影像融合新方法

针对传统图像融合方法的不足,提出了一种新的基于IHS变换与抽样小波变换的高清晰遥感影像融合方法.该方法将直方图匹配后的全色影像的高频系数作为融合后的高频系数,而融合后的低频系数依据新提出的融合规则得到,最后采用小波逆变换与逆IHS变换获得融合图像.实验结果表明,该方法在提高融合影像的空间分辨率与光谱质量之间得到了更好的折衷.该方法的计算复杂度接近于常用的基于抽样小波变换的融合方法,明显少于基于非抽样小波变换的融合方法.     

小波变换遥感图像的数据融合

利用小波变换方法进行多卫星遥感图像数据融合，分析不同长度的小波基对融合图像的影响，从信息的保持性、视觉效果及运用灵活性等方面与IHS、PCA融合算法进行了比较，从而探讨这一新算法在遥感图像分析应用中的可行性。     

基于IHS变换的多光谱遥感图像有损压缩算法

提出了一种有效的多光谱遥感图像有损压缩算法,该算法根据多光谱遥感图像的数据特点,将IHS变换和整数小波变换相结合进行数据压缩.采用IHS变换去除谱间相关性;采用整数小波变换去除空间相关性,依据各个子带的重要程度,用自适应阈值进行量化,并分别对量化后的数据和重要图表采用固定比特平面编码和游程编码.实验结果表明,算法在保证平均PSNR≥33dB时,获得了较高的压缩比,并且算法硬件实现简单,对内存的需求低.     

一种改进多分辨率图像融合算法

提出一种基于局部熵的多分辨图像融合算法。利用小波变换得到待融合图像的多分辨结构,同时得到图像的多分辨局部熵序列。以局部熵为判据,在图像多分辨结构相应各级上进行融合,得到融合图像的多分辨结构,利用小波逆变换重构融合图像。实验结果表明,该图像融合方法在保留TM多光谱图像光谱分辨率的同时,通过融合SPOT全色图像提高了空间分辨率,丰富了图像细节信息。     

基于PCNN的图像融合新方法

本文提出了一种基于PCNN的新型图像融合算法.首先,对待融合的两幅图像进行平稳小波分解得到两组多尺度图像;接着,取其中任意一组作为主PCNN的输入、另一组相应的图像作为从PCNN的输入,在每次迭代时,经并行PCNN点火后,得到一系列多尺度融合图像;然后,对它们进行平稳小波反变换得到每次迭代的融合结果;最后,计算每次迭代结果的信息熵,取信息熵值最大的融合图像作为最终结果.大量的实验以及与其它融合算法的比较分析,表明了本文算法的有效性和优越性.     

医学图像融合方法的研究

医学图像融合是指将小同成像设备或同一成像设备不同时间获得的多幅图像综合成一幅图像的图像处理技术.通过对医学图像融合方法和现状分析,探讨了传统的医学图像融合的方法,并提出一种基于小波变换的医学图像融合的方法.     

一种采用多个小波基的图像融合去噪方法

提出了一种新的基于多个小波基的图像融合去噪方法.首先利用多个不同的小波基对含噪图像进行阈值去噪,得到多幅恢复图像.然后对这些图像采用小波融合方法进行融合.对于低频系数采用基于边缘的融合算法,在多幅恢复图像中选择最有可能是边缘的点加以保留;对于高频系数,采用了平均的融合算法.最后得到一幅去噪图像.实验结果表明,无论是在视觉效果上还是在峰值信噪比定量指标上该方法去噪效果均明显优于单一小波基去噪.     

一种基于小波变换的多聚焦图像融合方法

提出了一种基于低频系数局部区域梯度信息的多分辨率图像融合方法。根据局部梯度信息对源图像的小波低频系数进行选择,获取融合图像的对应低频系数。依照平均误差、峰值信噪比、均方根误差以及偏差度、熵等评价标准,将该方法的多聚焦图像融合效果与其他三种常用低频系数融合方法的效果进行了比较。实验结果表明,该方法获得的大部分评价指标都优于其他三种方法,且其最佳小波分解层数为2层,而其他三种方法的最佳小波分解层数为5层。最佳小波分解层数越少,图像融合的计算量越小。该方法在减少计算量的同时,提高了融合质量。     

正交小波包分析在遥感图像融合中的应用

小波变换具有优良的时频局部特性，但由于其尺度是按二进制变化的，存在“高频低分辨”这一缺陷．正交小波包分析能够将信号(图像)频带进行多层次划分，对多分辨分析没有细分的高频部分进一步分解，从而提高了频率分辨率，能有效地提取特定的频率成分．推导了小波包分析的基本原理，给出了基于正交小波包分析的遥感图像融合算法．最后，通过实例说明正交小波包分析的有效性和优越性．     

一种基于小波变换的目标融合跟踪方法

本文在分析小波变换的基础上，将小波分析应用到目标图像的融合跟踪技术上，利用小波的多尺度和多分辨特性，不仅能够获得不同分辨力下的图像序列，进行目标图像融合；还能有效地从信号中提取突变信号。对函数或信号进行多尺度的细化分析。图像边缘用小波变换进行处理和提取并对图像形心进行计算。能够得到较好的轮廓提取效果和形心定位精度，进而说明了小波变换可能成为目标跟踪中较好的数学方法。     

An improved multimodal medical image fusion scheme based on hybrid combination of nonsubsampled contourlet transform and stationary wavelet transform

This research proposes an improved hybrid fusion scheme for non-subsampled contourlet transform (NSCT) and stationary wavelet transform (SWT). Initially, the source images are decomposed into different sub-bands using NSCT. The locally weighted sum of square of the coefficients based fusion rule with consistency verification is used to fuse the detailed coefficients of NSCT. The SWT is employed to decompose approximation coefficients of NSCT into different sub-bands. The entropy of square of the coefficients and weighted sum-modified Laplacian is employed as the fusion rules with SWT. The final output is obtained using inverse NSCT. The proposed research is compared with existing fusion schemes visually and quantitatively. From the visual analysis, it is observed that the proposed scheme retained important complementary information of source images in a better way. From the quantitative comparison, it is seen that this scheme gave improved edge information, clarity, contrast, texture, and brightness in the fused image.     

基于多策略的多聚焦图像融合方法

针对多聚焦图像融合,在小波变换基础上提出了一种多策略的融合方法.图像小波变换后的低频分量采用基于清晰度的方法,清晰度评价函数选用八邻域拉普拉斯算子和;而高频分量采用基于空间频率的方法,并且只计算与高频方向相一致的空间频率,减小了计算量.融合效果评价除使用传统方法的熵、交叉熵外,还使用了基于三个方向(水平、垂直和对角)的空间频率和通用的主观与客观相结合的新方法.实验结果表明,本文方法得到的融合图像效果最好,优于文中的其它算法,同时本文使用的评价方法也是适用和有效的.     

Neuro-wavelet based intelligent medical image fusion

Imaging based sensitive clinical diagnosis is critically depending on image quality. In this article, the problem of enhancing fundus images is addressed by a novel fusion technique. The proposed approach utilizes the representation capability of wavelet transform and the learning ability of artificial neural networks. In this approach, input images are decomposed into wavelet transform followed by appropriate feature extraction for training of neural networks to obtain fused image. To ensure homogeneity, it employs consistency verification for minimizing the fusion artifacts. The visual and quantitative performance of the proposed approach is assessed using a number of experiments performed on the standard datasets of DRIVE and DRION-DB. The experimental results demonstrate that the proposed fusion technique offers high average structural similarity of “0.99.” The proposed approach outperforms state-of-the-art techniques which validates its effectiveness. The developed approach might be applied by the clinical diagnosis system for fundus related diseases.     

基于边缘信息的偏振图像融合算法及评价

偏振遥感图像通常都采用强度、偏振度、偏振角来表征目标偏振特性.本文提出的基于边缘信息的偏振图像融合算法是将三幅偏振图像利用离散小波变换把图像分解成不同尺度的低频和高频部分,采用小波区域窗口和子区域窗口统计把小波系数分类成边缘和非边缘系数,通过这些方法进行有效的边缘细节信息提取.在融合处理中,低频图像的小波系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的窗口区域方差来确定融合后高频小波系数.仿真实验结果表明,这样使得融合后的图像细节更真实更丰富,图像的偏振特性体现更为充分,同时减少对源图像的预处理要求,使图像在整体上有较好的视觉效果.从而证明这种方法能够在保留图像微小细节方面获得满意的结果,且算法有效性优于其他的图像融合方法.     

Efficient Landsat image fusion using fuzzy and stationary discrete wavelet transform

Image fusion is the concept to integrate multiple same scene images while drawing out maximum radiometric information from them by avoiding noise and fictional data. The main objective is to improve the radiometric quality of fused image compared to individual images of the same scene. Existing methods are found to be efficient, but if the similar radiometric information is fused into every image, it produces redundant high frequency of pixels. Therefore, to overcome this issue, in this paper a fuzzy and stationary discrete wavelet transform (FSDWT)-based image fusion technique is proposed. It decomposes Landsat image into stationary values, and then it preserves the radiometric data by using fuzzy if-then rules. In the last phase, FSDWT injects high-frequency blocks from input images and returns a single Landsat image with maximum radiometric data. Quantitative analysis has clearly demonstrated that FSDWT has better structural detail, spatial resolution and spectral information than existing methods.     

基于Curvelet变换的多聚焦图像融合方法

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.在分析了传统多聚焦图像融合方法和Curvelet变换的原理后,提出了一种基于Curvelet变换的多聚焦图像融合方法,先对不同聚焦图像分别进行Curvelet变换,采用低频系数取平均,高频系数取大的融合规则,再进行Curvelet反变换得到融合结果.仿真试验表明,基于Curvelet变换的融合方法可有效综合多聚焦图像,相比小波变换法,获得了更好的融合效果.     

基于梯度权重规则的IHS变换与小波变换结合算法

针对多光谱图像与全色图像的融合,本文在认真分析了IHS变换、小波变换,以及基于梯度绝对值最大准则的IHS变换与小波变换结合算法的基础上,提出了一种基于梯度权重规则的改进算法.在使用小波变换融合多光谱图像I分量与全色图像时,计算二者高频细节分量的梯度作为权重,实现高频细节信息的融合;低频近似分量采用经验调节权系数的方式,运用加权和准则融合获得.融合所得新I'分量与之前多光谱图像IHS变换分离出的色度H和饱和度S进行逆变换,生成最终的融合图像.实验结果表明,该方法在保留多光谱图像光谱信息的基础上,有效地增强了融合图像的空间细节表现能力.     

遥感影像在地外文明探索中发挥作用

六十年代以来,已向月球和水星、金星、火星、木星、土星、天王星,海王星等太阳系行星发去数十个空间遥感器,并已向地球上的地面站发回大量信息,使科学家们得以发现很多有趣的事物,显示为地球外生物高度文明的作为。本文着重介绍了在月球上发现的异常景物,显示可能在多年以前,曾有高度文明的生物在月球着陆。