采用提升方向波变换的异源图像融合新算法

方向波(Directionlet)变换是一种基于格子的歪斜小波变换,与标准二维小波变换相比,它具有多方向性和各向异性,能够更好地描述图像的特征.针对异源图像融合这一研究热点,提出了一种新的基于方向波变换的图像融合方法,并采用提升算法有效地解决了该变换方法的运算速度问题.首先,对已配准的两幅图像分别沿变换和队列方向进行次数不等的提升变换,得到具有各向异性的子图;然后,采用低频子图直接平均融合,高频部分选择具有较强各向异性信息分量的方法得到融合图像的所有方向波变换系数;最后,经过反变换得到融合图像.实验结果表明:该算法的融合效果和运算速度都优于标准小波变换和其他的二代小波变换.     

基于非子采样Contourlet变换的图像融合算法

提出了一种基于非子采样Contourlet变换的图像融合算法.首先,对图像作Contourlet变换,得到一个低频子带和一系列高频方向子带.其次,对低频子带系数采用基于边缘的规则来融合,而对于高频方向子带系数,采用基于一种基于Contonrlet局部系数相关性的规则来进行融合.最后,对融合系数进行非子采样Contourlet逆变换,得到最终的融合图像.实验结果表明,该方法对可见光、红外图像融合十分有效,能较好地提取原始图像中的边缘方向信息和几何特征.     

基于Directionlets变换的偏振图像融合

论文提出一种有效的基于Directionlets变换的偏振图像融合算法.首先采用多方向多尺度的Directionlets 变换对多个偏振图像进行分解,对于分解后的低频系数采用加权平均融合算法;根据高频子图边缘分布差异,对于方向高频系数采用2维Teager能量的边缘检测算法以及区域方向对比度算法实现偏振图像的融合处理.实...     

基于SIDWT的多模态脑部医学影像融合算法北大核心

研究了人脑CT/MRI医学图像融合算法。传统的基于小波变换的融合方法由于不具备平移不变性,在融合图像的奇异处易产生失真。提出了一种基于平移不变离散小波变换(SIDWT)的新融合方案。利用SIDWT将待融合的医学图像分解成低频子带和高频子带。对于高频子带,提出平滑度来划分子带区域,针对不同区域采用不同的融合规则,更好地保持了源图像的边缘细节信息。对于低频子带,采用基于局部区域对比度的融合规则。实验结果表明,该算法融合性能优越,比传统的融合算法获得更好的融合效果。     

基于小波方向相关性的图像融合方法

通过分析图像经小波变换后低频系数的邻域相关性和各高频子带的区域方向性,本文提出一种基于小波方向相关性的图像融合方法.对低频子带的每个系数,以多向梯度模作为其自相关性的衡量标准,确定融合后低频系数;对于各个高频子带的系数,根据其不同的方向特性,采用基于方向相关系数的融合规则.最后通过对比仿真实验,验证本文方法的有效性.     

基于SIDWT的多模态脑部医学影像融合算法

研究了人脑CT/MRI医学图像融合算法.传统的基于小波变换的融合方法由于不具备平移不变性,在融合图像的奇异处易产生失真.提出了一种基于平移不变离散小波变换(SIDWT)的新融合方案.利用SIDWT将待融合的医学图像分解成低频子带和高频子带.对于高频子带,提出平滑度来划分子带区域,针对不同区域采用不同的融合规则,更好地保持了源图像的边缘细节信息.对于低频子带,采用基于局部区域对比度的融合规则.实验结果表明,该算法融合性能优越,比传统的融合算法获得更好的融合效果.     

Contourlet变换在可见光与红外图像融合中的应用

Contourle变换是一种新的图像多尺度,多方向的表示方法,适合表达具有丰富细节信息及方向信息的图像。它的高频方向子带,捕获了许多传感器图像的显著特征。为了实现红外与可见光图像的融合,采用一种基于Contourlet变换的融合算法,对不同的融合规则对低频子带和多方向的高频子带系数进行融合。对比实验结果表明,在此提出的方法可以获得较好的融合效果,优于基于小波变换的图像融合算法。     

基于区域特征的高光谱与全色图像NSCT域融合方法

针对高光谱图像解译需求,提出了一种基于目标检测理论的NSCT域高光谱图像与全色图像融合方法.首先对高光谱图像进行RX异常目标检测,得到目标背景分离图像;然后对参与融合的波段图像进行无下采样轮廓波分解,得到不同分辨率的低频子带和多方向的带通子带;对于背景区域的低频子带系数和高频子带系数,分别采用加权平均和平均梯度自适应加权的融合策略,对于目标区域,则根据不同特征采用区域方差自适应加权的低频系数融合方法和区域方差取大的高频系数融合方法;最后进行NSCT逆变换得到融合图像.实验结果表明,本文提出的融合方法能够有效提高高光谱图像的目视效果,突出目标与背景区域的差异,有利于目视解译工作的进行.     

基于NSST变换与自适应PCNN的多特征遥感图像融合

针对基于NSCT变换的遥感图像融合算法存在计算复杂度高,细节表现能力不足的问题,本文提出了一种基于NSST变换与自适应PCNN的多特征遥感图像融合算法。首先,利用HSV变换提取MS图像的亮度分量V,并将得到的亮度分量V与PAN图像分别进行NSST变换;其次,对于低频子带,提出了一种基于自适应的PCNN融合规则,将空间频率和区域平均梯度分别作为PCNN的外部激励和链接强度;对于高频子带,采用基于多特征的融合规则;最后,进行逆NSST变换和逆HSV变换得到融合图像。仿真实验表明,该算法与一些经典的融合算法相比不仅可以提高图像融合质量,在视觉效果和客观指标上也都有良好的表现。     

自适应标准差特征的压缩感知图像融合

针对传统压缩域融合算法单一、融合效果不佳的问题,文中提出了结合图像高频特征的自适应融合规则。首先,对融合图像进行 NSCT变换,分解后得到的低频子带系数采用区域能量融合规则,以获取较传统低频系数处理更好的融合效果; 由于分解后的高频子带系数具有较高稀疏性,因此通过 CS 进行压缩后自适应选择融合规则,最后对重构系数进行 NSCT逆变换。实验结果表明：与传统经典算法相比,新方法兼顾了待融合图像的背景信息和红外目标信息,有效提高了图像的融合效果。