一种基于Curvelet变换的图像融合新算法

基于Curvelet变换提出了一种新的融合算法.首先将图像进行Curvelet 变换,然后对粗尺度系数和细尺度系数采用不同的融合规则将Curvelet 系数融合,最后进行重构得到融合结果.对得到的融合图像进行了主客观评价和对比,实验结果表明,本文方法得到的融合图像,在熵、均方误差(MSE)、峰值信噪比(PSNR)和相似度等客观指标上都优于其他方法.     

基于Curvelet变换和小波变换相结合的图像融合算法研究

针对小波变换在图像边缘表达方面的局限性,以及Curvelet变换在表达图像点特征上的不足,提出了在红外图像与可见光图像融合的过程中采用基于Curvelet变换和小波变换相结合的图像融合算法.首先对图像进行Curvelet分解,对低频系数使用基于小波变换的融合算法,对高频系数结合融合图像的特点分别采用了两种不同的选取方法:模值绝对值取大法和基于系数相关性法.最后,对最终系数进行反Curvelet变换,得到融合结果图.采用该算法进行了大量的红外图像与可见光图像融合实验,实验结果表明,此算法的融合结果图获得了更好的目标信息和光谱信息.     

基于Curvelet变换的图像融合改进算法

针对红外与可见光图像的融合,提出了基于二代Curvelet变换的图像融合改进算法。首先对两幅源图像进行Curvelet变换,得到其在不同尺度和方向下的变换系数。对于低频系数,根据红外与可见光图像的不同成像特点,采用基于局部统计特性的自适应融合策略;对于不同尺度和方向下的高频系数,采用基于局部区域能量匹配的系数选择方案。最后进行Curvelet逆变换得到融合图像。通过实验结果的对比分析,该算法可以更有效地反映源图像中的特征,融合效果有了明显改善。     

基于二代Curvelet变换的红外与可见光图像融合

针对红外与可见光成像传感器的物理特性,提出了一种基于二代Curvelet变换的图像融合算法.首先对原始图像分别进行快速离散Curvelet变换,得到不同尺度与方向下的子带系数.对低频子带系数,根据红外图像的目标特性与可见光图像的细节信息确定其融合权值;对不同尺度与方向下的高频子带系数,采用基于局部区域能量匹配的融合规则.最后经Curvelet逆变换得到融合结果.实验结果表明,该算法可以有效地综合可见光与红外图像中的重要信息,其融合结果较典型的基于塔式分解与基于小波变换的图像融合算法,在主观视觉效果与客观评价指标上均有所改善.     

基于Curvelet变换与分形的遥感图像融合

基于Curvelet变换对于图像的光谱信息保留和分形原理,针对图像的纹理信息提取的特性,提出了一种基于Curvelet变换与改进的分形布朗运动分维数计算的新的融合算法。对多光谱与全光谱图像进行了融合实验,并与传统的基于小波变换和高频系数取大算法进行了对比。实验证明,文中算法在图像光谱信息保留和纹理细节信息等方面具有良好的性能。     

基于Curvelet和PCNN的图像融合

简要介绍了曲线波变换和脉冲耦合神经网络（pulse—coupledneural network,PCNN）的原理和特点。提出了一种曲线波分解后,低频和高频共同使用基于PCNN的融合规则算法。并对医学图像中的CT和MRI图像进行了算法融合验证,最后给出了评价融合质量的对比结果。     

基于二代Curvelet变换耦合图像纹理算法

当前较多图像融合算法主要是通过图像的能量信息来完成系数融合,忽略了图像的纹理特征,导致融合结果中存在吉布斯以及块现象等缺陷.设计了二代Curvelet变换耦合纹理信息调节的融合算法,该算法采用二代Curvelet变换,从输入图像中获取不同的Curvelet系数,采用图像的R(Red),G(Green),B(Blue)值...     

一种基于Curvelet变换多传感器图像融合算法

综合分析了Curvelet变换的特性,并提出了一种基于Curvelet变换的多传感器图像融合算法。首先采用Curvelet变换将源图像分解到不同尺度、方向频带范围内,然后采用不同的融合规则得到融合后图像的Curvelet变换系数,最后再进行Curvelet逆变换得到融合图像。采用多组具有不同特征的源图像进行了融合实验,并对融合图像进行了主客观评价。实验结果表明,相比于传统的基于小波变换的图像融合算法,该算法能够有效避免“人为”效应或高频噪声的引入,得到具有更好视觉效果和更优量化指标的融合图像。     

基于区域特性的Curvelet变换图像融合算法

为克服小波变换在二维或更高维度空间分析中的缺陷,提高图像融合质量,提出基于二代Curvelet变换的图像融合改进算法。引入可以有效分析图像中的曲线奇异性,能更加合理处理图像边缘信息的Curvelet变换对图像进行分解,对图像分解后的低频部分采用自适应阈值的区域方差高斯加权融合方法,增加图像像素之间的关联,并有效保留细节和边缘。对高频部分采用区域能量融合方法来降低噪声,增强图像的细节。采用该算法对多组不同图像进行融合实验,并用信息熵、交叉熵、相关系数、空间频率等对融合图像进行客观评价。实验结果表明,该算法优于传统的融合规则和算法,能在保持更好清晰度的同时获得更丰富的图像内容。     

基于Curvelet变换的多聚焦图像融合研究

针对Curvelet分解的不同频率域,分别讨论了低频系数和高频系数的选择原则。在选择低频系数时,采用了基于边缘的方案。在选择高频系数时,充分利用Curvelet变换具有方向性的优点,提出了Curvelet域区域边缘的概念,并给出了基于区域边缘的系数选择方案。实验结果表明：所给出的融合算法能够很好地保留多幅源图像中的边缘信息,得到多个目标都清晰的图像。     

基于二代曲波变换的图像融合方法

提出了一种基于第二代曲波变换的图像融合方法。首先对源图像进行曲波变换,粗尺度系数采用加权平均的融合规则,细尺度系数采用基于区域标准差的融合规则,然后对细尺度系数进行一致性校验,最后进行图像重构得到融合图像。数值实验结果表明,该方法有效,性能优于基于小波变换的图像融合方法。     

基于Curvelet变换的自适应多传感器图像融合

提出了基于Curvelet变换的自适应多传感图像融合新算法。算法将全色图像和多光谱图像进行Curvelet变换分解后,针对不同的频率域特点选择不同的融合规则。对低频系数选取区域能量的加权系数自适应融合规则,对高频系数选用了区域特征自适应的融合规则。最后通过重构得到融合图像。将该算法和其他的融合算法进行对比,结果表明,该算法是一种有效可行的图像融合算法。     

基于Curvelet变换的图像消噪

小波变换对图像消噪能够起到较好的效果,但是对图像中线性区域的处理存在局限性.Curvelet变换是一种新的具有方向性的多尺度变换,他处理图像线性区域能有更好的效果.将Curvelet变换运用到图像消噪中,实验结果表明,他的消噪结果比小波消噪有着更好的视觉效果,并且PSNR也得到一定的提高.     

基于非下采样Contourlet变换的图像融合算法

针对曲波变换图像融合的不足,提出了一种基于非下采样轮廓波变换（Non—subsampledContourletTransform,NSCT）图像融合方法。首先对已配准待融合图像进行NSCT分解;然后使用相应的融合规则对Contourlet域系数进行融合,得到融合图像的NSCT系数;最后经逆变换重构得到融合图像。通过对不同曝光度图像以及多聚焦图像进行融合实验,仿真结果表明该算法融合图像在主观视觉和客观评价指标上均取得良好效果。     

一种基于二代曲波系数乘积的图象去噪方法

曲线波变换是一种多尺度变换,对于具有光滑曲线奇异性的目标函数,曲线波提供了稳定的、高效的和近于最优的表示.在第二代曲线波的基础上,利用曲线波分解中不同尺度的系数也具有相同的特点,提出了基于第二代曲波的系数乘积去噪算法.实验结果表明,提出的算法明显优于小波图像去噪方法,也优于曲线波的阈值方法.     

一种使用曲波变换的多聚焦图像融合方法

提出一种使用曲线波（Curvelet）变换的多聚焦图像融合方法：首先采用非均匀采样的快速傅里时变换（FDCTUSFFr）实现方法的二代Curvelet变换,对待融合图像进行分解;然后对不同尺度和方向上的曲波系数采用设计的融合策略进行融合;最后通过融合系数重构得到结果。实验结果表明该方法在主观感觉和客观评价指标上较小波分析的融合算法均有一定的提高。     

基于BayesShrink阈值估计的Curvelet图像去噪

提出将BayesShrink阈值估计与硬阈值方法相结合并利用Curvelet方法对图像进行去噪的方法.经验证,此法优于BayesShrink小波去噪与传统的Curvelet阈值去噪效果,特别是在较大噪声的情况下更能显示出其优势.     

基于Ridgelet变换的图像融合

文章介绍了小波变换和脊波变换在表达信号特征上的区别、脊波变换的实现方式,讨论了基于脊波变换的图像融合思想。通过一系列图像融合实验,研究了脊波变换中图像子块的大小对融合图像的质量的影响,重点说明了脊波变换在保持融合图像的空间细节信息上的能力。     

一种基于二代Curvelet和2D Log-Gabor滤波器的多模特征层融合识别方法

针对单模生物特征识别在实际应用中易受干扰、识别率低且无法达到零错误识别的问题,提出一种基于二代Curvelet和2DLog-Gabor滤波器的人脸与虹膜特征层融合识别算法.该方法利用二代曲波变换提取人脸特征,用2DLog-Gabor幅值法提取虹膜特征,通过PCA降维单模特征向量,在特征层进行融合,通过SVM分类识别融合特征向量.在ORL人脸库和CISIA虹膜库构成的多模生物特征库上进行测试.实验结果表明:该算法正确识别率能达到100%,较单模人脸、单模虹膜识别方法的识别率均提高3.33%,为多模生物特征识别提供了一种有效模型.