基于NSCT的红外与可见光图像融合方法

针对红外与可见光图像在融合时亮点目标易丢失且背景信息不够清晰的问题,提出基于非下采样轮廓波变换(NSCT)与局部区域融合规则相结合的红外与可见光图像融合方法。利用NSCT对源图像进行多尺度、多方向分解,对低频子带系数采用加权平均取均值的融合规则,对高频子带系数采用系数值选大与局部均方差相结合的融合规则,将前两步得到的系数进行逆NSCT得到融合图像。实验结果表明,在主观视觉效果和客观评价方面,该融合算法都是有效的且可得到比参考融合算法更为理想的融合图像。     

基于图正则化局部特征编码算法的图像分类方法

为了解决经典局部特征编码方法会产生相似局部特征之间编码系数不一致的问题,本文提出一种图正则化局部特征编码算法.该算法在对初始编码矢量所定义的能量化函数中引入正则化项,保证空间上相邻外观上相似的局部特征之间的编码矢量尽可能一致.MSRcv2、Caltech101、Scene 15以及Indoor 67四个公开数据集上的实验结果表明本文方法能够提高硬分配、软分配、稀疏编码、局部约束线性编码以及局部软分配五种经典编码方法的性能,并且基于本文编码算法的图像分类方法在上述四个公开数据集上的平均分类正确率分别达到了91.13%、76.02%、83.76%、44.78%.     

基于CSR和能量特征的红外与可见光图像融合

传统稀疏表示(SR)分块处理策略降低了图像连续性,使得特征信息损失严重.因此,提出了基于卷积稀疏表示(CSR)和能量特征的红外与可见光图像融合算法.该算法将非下采样轮廓波变换(NSCT)域低频子带分解成低频基础分量和细节特征分量,使用局部拉普拉斯能量法(LLE)和卷积稀疏表示分别进行融合,获得低频子带融合图像.同时,根...     

可见光与红外图像自适应加权平均融合方法

针对传统可见光图像与红外图像融合存在显著性信息保留不完整的问题,本文提出了一种新的自适应加权平均融合算法.首先,该方法通过非下采样轮廓波变换将源图像分解为不同尺度、不同方向的高低频分量.然后,针对低频分量的特点提出了一种基于显著性的自适应加权平均融合规则,用于保留源图像中的重要信息.对于高频分量,本文采用绝对值取大的融合策略.最后,根据融合后的高低频分量重构出最终的融合图像.实验结果表明,本文算法与传统融合算法相比,在主观视觉和客观指标上都具有优势.     

基于邻域特征与SCM相结合的红外与可见光图像融合

提出了一种基于邻域特征与脉冲发放皮层模型(Spiking Cortical Model,SCM)相结合的红外与可见光图像融合算法.首先,源图像经过非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)分解得到各自的低频子带图像和高频子带图像.然后,根据低频与高频子带的特点,选择适合的邻域特征作为SCM的外部激励,通过比较SCM的输出对低频与高频分量进行融合.最后将融合得到的低频与高频子带图像经逆变换重建得到最终的融合图像.通过实验仿真与其他几种方法进行比较,可以看出本文算法的融合图像红外目标突出,背景信息丰富,视觉效果良好,并且在标准差、信息熵,以及互信息等客观评价方面具有明显的提高.     

多特征编码融合的图像分类研究

词袋 (Bag-of-Words) 模型是图像分类研究中最广泛同时也最有效的框架模型之一,然而,字典的最优设计仍然是该模型中重要的研究内容。直观来说,字典越大,图像分类准确度就越高,但同时也需要更高的计算资源和存储代价。鉴于此,本文提出通过对多个小字典下获取的特征编码,通过对特征编码进行在线加权融合,使得组合结果与大字典下获取的特征编码一样具有较强的判别性,从而提高图像分类准确度。在特征融合阶段,本文改进了OPA (Online Passive-Aggressive) 算法,得到了权值更新的闭式解。实验结果验证了本文算法的有效性。     

基于NSCT与DWT的压缩感知图像融合

针对基于非下采样轮廓波变换(NSCT)的压缩感知图像融合算法,存在融合图像局部细节信息表达不足的问题,提出一种基于NSCT与离散小波变换(DWT)的压缩感知图像融合算法.首先,对图像进行NSCT变换,得到低频系数和高频系数;然后,对高频系数进行压缩融合,并通过重构算法恢复融合的高频系数;而对低频系数,采取基于小波变换的融合方法;最后,对融合的高频系数和低频系数进行NSCT逆变换,得到最终的融合图像.实验结果表明:本文算法使融合图像的质量,在主观和客观方面都得到了明显改善,最终的融合图像具有更多的细节特征和更清晰的边缘轮廓.     

基于NSST图像特征的多聚焦图像融合方法

针对广泛存在于多聚焦图像融合方法中的局部图像细节不清晰的现状,提出一种基于非下采样剪切波变换(NSST)图像特征的多聚焦图像融合方法。利用NSST对待融合源图像进行多尺度、多方向稀疏分解,分别获取低频和一系列高频子带图像。通过空间频率和局部能量确定融合后的低频子带系数,利用边缘检测算子直接获取高频子带图像中的细节和边缘信息,并采取NSST反变换得到最终融合结果图像。仿真实验结果表明,同现有的几种经典算法相比,本文提出的方法获得的结果图像拥有更清晰的视觉效果、更理想的客观指标效果以及更高的算法运行效率。     

采用几何校正优化的轮廓波水印算法

针对目前的图像水印难以同时抵抗常规攻击和几 何攻击的不足,提出一种新的轮廓波 水印算法。水印嵌入阶段,该方法将宿主图像进行离散小波变换和非下采样轮廓波变换,并 将水印嵌入到熵值最大的高频子带,解决了将水印嵌入低频无法抵抗几何攻击及高频不能 很好抵抗滤波等常规攻击的问题。在水印嵌入前对嵌入区域进行加密处理,提高算法的安全 性。水印提取阶段,利用Zernike矩对含水印图像进行几何校正再进行提取,进一步提高了 算法的抗几何攻击能力。最后利用峰值信噪比和归一化系数对算法进行评价,验证算法的不 可感知性和鲁棒性。仿真实验结果表明,算法在不同的宿主图像和水印图像上均表现良好。 该算法在具有较好不可见性的基础上,除了对常规攻击具有很好的抵抗力,对几何攻击也具 有强鲁棒性,归一化系数(normalization coefficient,NC)均达到了0.99     

基于Contourlet系数局部特征的选择性遥感图像融合算法

为了使融合后的多光谱图像在显著提高空间分辨率的同时,尽可能多地保持原始多光谱特性,提出了一种基于Contourlet变换系数局部特征的选择性遥感图像融合方法。根据多光谱和全色图像融合过程中Contourlet变换后的低频和高频部分融合目的的不同,对得到的近似和各层各方向的细节分量分别运用窗口邻域移动模板逐一计算相应区域Contourlet系数阵的不同局部特征量,然后选择适当的准则,对图像的近似和细节分量分别应用不同的策略在Contourlet系数域内进行选择性融合,通过Contourlet和亮度-色调-饱和度(IHS)逆变换得到融合的高分辨率多光谱图像。采用Landsat TM多光谱和SPOT全色图像进行的融合实验结果表明:提出的算法在显著提高空间分辨率的同时,又能很好地保持原始图像的光谱特征,并优于传统的融合方法。     

基于特征融合方法的高光谱图像分类综述

高光谱图像中包含丰富的光谱特征和空间特征,这对地表物质的分类至关重要.然而高光谱图像的空间分辨率相对较低,使得图像中存在大量的混合像素,这严重制约物质分类的精度.受到观测噪声、目标区域大小及端元易变性等因素的影响,使得高光谱图像的分类仍然面临诸多挑战.随着人工智能和信息处理技术的不断进步,高光谱图像分类已成为遥感领域的...     

一种新的高光谱图像分类方法

基于像元波谱曲线特征提取进而利用所提取的特征进行分类是高光谱图像分类的重要研究内容。提出了一种基于傅里叶变换幅度谱的高光谱遥感图像分类新方法,也就是利用像元渡谱曲线傅里叶变换幅度谱最值单一特征实现对地物的分类识别。     

纹理特征在多光谱图像分类中的应用

文中介绍了几种纹理特征提取方法，并将图像中的纹理信息作为重要的特征参与多光谱图像分类的过程，通过与单纯基于像元光谱信息的分类结果的比较，证明了此方法可以改善分类的效果。     

基于 PHOW 特征描述子和支持向量机的航空侦察图像分类方法

在深入研究 PHOW 特征描述子的基础上,提出了基于 PHOW 特征描述子和支持向量机的航空侦察图像分类方法。针对构建的5类航空侦察图像分类实验结果表明,与基于 Gist 特征描述子的图像分类方法相比,新方法可以实现快速准确的图像分类,平均分类精度为84．6％,特征提取和分类的平均耗时为37 ms。     

小波变换在特征级多重图像融合与目标分类中的应用

针对特征级图像融合的一般规律,用小波变换算法实现了图像的多分辨分割,提取目标的多分辨特征矢量,在特征级完成CCD图像和热成像图像的信息融合,并基于融合特征实现目标分类,最后,对实验结果进行了分析,提出了在特征级图像融合及目标分类中应考虑的问题.     

改进的FSVM结合语义特征的甲状腺图像分类方法

由于甲状腺发病率高且图像良恶性难以分辨,提出一种改进模糊支持向量机(FSVM)结合语义特征的甲状腺图像分类方法。通过概率潜在语义分析(PLSA)模型对给定的图像训练样本提取语义特征,输入到FSVM中进行分类。其中隶属度是影响FSVM分类精确性的关键,故对其进行改进,在考虑样本点到类中心距离的基础上,对样本点间的紧密度也进行了估计。利用训练生成不同的FSVM测试图像,采用集成方法将分类结果集成,避免了单分类器的分类误差。实验结果表明,该方法可获得较好的分类结果。     

基于特征元素和关联规则的图象分类方法

图象分类是搜索引擎中的重要模块.本文提出了一种基于特征元素的图象分类方法.特征元素与特征向量相比能够根据人的主观感知来提取图象的视觉特征.与传统的基于特征向量的图象分类方法不同,本文提出的图象分类方法不计算特征空间中特征向量之间的距离,而是通过关联规则挖掘发现图象的特征元素与图象所属类别之间的联系.本文实现了该分类算法并将其与一种基于特征向量的图象分类方法NFL相比较.实验的结果证实了所提方法的优越性.     

基于非采样Contourlet变换的红外与可见光图像融合方法

针对同一场景的红外与可见光图像融合,提出了一种基于非采样Contourlet变换（NSCT）和改进的脉冲耦合神经网络（IPCNN）的图像融合新算法。首先利用NSCT对图像进行多尺度、多方向稀疏分解,然后针对各带通方向高频子带系数的选择,提出了一种应用IPCNN计算图像匹配度的融合策略。实验结果表明,该算法能够很好地将红外图像与可见光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。