基于平稳小波变换的图像融合算法

针对IHS（intensity，hue．saturation）融合算法的光谱畸变和正交小波变换融合算法的方块效应问题，提出了一种基于平稳小波变换的图像融合算法，并且探讨了在图像处理中应用灰色系统理论的可行性和有效性。该算法结合IHS变换，对于图像平稳小波分解的高频分量利用灰色关联分析准确、有效地检测出有用的边缘信息，并在确定融合权值时，给予不同的重视程度。实验表明，本文算法能够克服正交小波变换在图像融合中出现的方块效应问题，在保持光谱信息方面具有显著的优越性，并且能够有效提高融合图像的空间分辨能力，又由于新算法引入灰色关联分析进行像素分类，具有良好的抗噪性和可控边缘信息量等优点，使算法灵活、有效，进一步改善了融合图像的质量。     

灰色关联分析与模糊推理边缘检测图像融合法

为解决融合图像不同程度的光谱失真问题,提出了一种结合灰色关联分析、模糊推理和IHS变换的图像融合算法。首先通过灰色关联分析和模糊推理算出全色图像的边缘点和非边缘点,得到丰富的边缘信息,然后对多光谱图像进行IHS变换,以亮度分量为依据对全色图像进行直方图匹配,再基于边缘信息对亮度分量和直方图匹配后的全色图像进行线性加权,最后通过IHS逆变换得到融合图像。为验证本文方法的有效性,与5种常用方法比较,从视觉和定量两方面进行评价,且采用降尺度评价和全分辨率评价。结果表明,该方法得到的融合图像比其他5种方法更优越。本文方法不仅提高了遥感图像的空间分辨率,也较好保留了多光谱图像的光谱信息。     

基于IHS变换与小波变换的图像融合

提出一种将IHS变换和小波变换相结合的图像融合算法,适用于多光谱图像和高分辨率图像的融合.算法首先对多光谱图像进行IHS变换,之后利用变换后得到的强度分量和高分辨图像具有较强的相关性的特点,在小波变换域进行图像融合,得到了同时具有较好的空间分辨率和光谱信息的融合图像.实验对比数据表明该方法具有较好的融合效果,融合图像优于传统的IHS变换法和传统小波变换方法.     

基于边缘信息的多光谱高分辨图像融合方法

针对多光谱图像和高分辨图像的融合问题,提出了一种基于边缘信息的新的图像融合 方法,该方法根据高分辨图像中的边缘强度,对多光谱图像在IHS变换中的强度信息进行了调 整,得到的光谱强度同时反映了高分辨图像的细节信息和多光谱图像的光谱信息.实验结果表 明,该方法的融合效果优于传统的IHS变换法和小波变换方法.     

基于形态学和Contourlet系数区域特征的遥感图像融合方法

进行遥感图像融合时,全色图像空间信息的保留与多光谱图像光谱信息的保持是相互矛盾的,如何在这对矛盾体中实现最佳的融合效果一直是图像融合领域的研究热点。在IHS变换的基础上,将形态学和Contourlet变换相结合,针对多特征地物遥感图像的融合提出了一种基于图像特征的选择性融合算法。该算法先利用形态学操作将图像的边缘和非边缘信息进行区分,然后对处理后的图像进行Contourlet变换得到一个低频和一系列高频分量,再利用不同的区域特征自适应融合算法分别对低频和高频系数进行选择性融合,最后通过Contourlet逆变换和IHS逆变换得到融合结果。融合实验结果表明:对多特征地物遥感图像进行融合时,该算法是高效可行的。     

基于IHS变换与小波变换的图像融合研究

文章研究了IHS变换和小波分解变换的图像融合方法,并针对IHS变换的融合算法的不足,提出了一种将两者相结合的算法。通过分析实验数据,验证了给出算法优于基于IHS变换融合算法。     

基于Contourlet变换的遥感图像融合

利用Contourlet变换的多尺度、局部化、方向性和各向异性等优点,提出了一种基于Contourlet变换的遥感多光谱与全色波段图像融合新算法。算法首先对多光谱图像进行IHS变换,然后将多光谱的I分量和全色图像进行Contourlet分解,进而在不同子带中进行图像融合,低频采用一种新的基于形态学梯度算子的边缘信息融合算法,高频采用区域标准方差融合并使用形态学进行一致性检测,最后将得到的灰度融合图像进行线性拉伸并替代原来的I分量,进行IHS反变换后得到最终的融合图像。实验结果表明,与传统的图像融合算法相比,该算法能够更有效地融合源图像信息,保持源图像特征。     

基于Curvelet多尺度几何分解的快速LHS多传感器图像融合

为了解决IHS变换在多光谱和高分辨遥感图像融合中存在的光谱失真等问题,提出一种基于Curvelet多尺度几何分解的快速LHS融合算法.该算法采用快速LHS变换以更好地保持图像的色彩,并进一步改进运行速度;引入第二代Cur-velet多尺度几何分解则更有效地捕获图像中方向性的几何结构信息,并基于非平均分布间隔快速Fourier变换加快Curvelet的实现速度.实验结果表明:本文的图像融合算法在图像质量和运行速度上都获得了改进,融合图像具有较理想的空域和光谱分辨率,优于传统IHS变换、PCA,以及相应的小波变换结合快速LHS的融合结果.     

基于改进NSCT和IHS变换的遥感影像融合方法

目的 为了增强多光谱和全色影像融合质量,提出基于脉冲耦合神经网络（PCNN）的非下采样Contoulet变换（NSCT）和IHS变换相结合的融合方法。方法 先对多光谱图像进行IHS变换提取亮度I分量,采用主成分分析增强I分量得到新的I+分量;然后通过NSCT变换分别对I+分量和全色图像进行分解,并采用边缘梯度信息激励的PCNN得到融合图像的低频和高频分量;最后进行NSCT逆变换、IHS逆变换得到融合图像。结果 利用资源一号02C卫星数据进行实验,结果表明该算法在保留光谱信息的同时提高了图像空间分辨率,获得了较好的融合效果。结论 结合NSCT和IHS变换的融合方法在视觉效果和客观评价指标上都优于常用的图像融合方法。     

基于区域特性选择的多传感器图像融合

提出了一种提升小波变换和IHS变换相结合的多传感器图像融合新算法,首先,将高分辨力图像所有的低频特征融合到多光谱图像中,再对高分辨力图像经提升小波分解得到的各提升小波面叠加的边缘信息进行区域划分,采用边缘有效因子融合思想进行分区融合,最后,对提升小波反变换后的强度分量进行IHS反变换得到最终的融合图像。实验结果表明:该方法所得融合图像能够较好地保留多光谱图像的光谱信息的同时,提高了图像的空间分辨力,融合效果优于IHS变换法和小波变换法。     

耦合边缘检测与优化的多尺度遥感图像融合法

为了使融合图像在显著提高空间分辨率的同时,最大限度地融入多光谱图像的光谱信息,提出了一种结合Canny算子与非下采样Contourlet变换的粒子群优化的遥感图像融合方法。首先在IHS变换的基础上,利用Canny算子对全色图像进行边缘提取,根据边缘分布特征对全色图像和多光谱图像[I]分量进行边缘特征融合得到边缘加强的全色图像,然后对新的全色图像和多光谱图像[I]分量分别进行非下采样Contourlet变换,并在低频子带采用有选择性的加权求和融合规则,对于高频方向子带先利用粒子群优化算法寻找结构相似度的最优阈值[p],再采用基于区域结构相似度的融合规则,最后经NSCT和IHS逆变换获得融合图像。仿真实验结果表明：提出的算法能很好地兼顾全色图像细节信息的保留和多光谱图像光谱信息的保持。     

小波变换在遥感图象融合中的应用研究

针对基于小波变换的图象融合中存在的光谱扭曲问题 ,提出了一种直接相加的小波变换低频信息处理方法 ,即将未分解的 TM放大图象与小波分解后的 SPOT图象的高频部分重构得到的图象通过直接相加来生成融合图象 ,这种方法得到的融合图象 ,其光谱扭曲值和信息量两个指标均优于常规的小波融合方法 .由小波变换与 IHS变换的光谱质量比较表明 ,小波变换比 IHS变换更适合于波谱响应范围不同、相关性弱的图象间的融合 ;另外 ,空间质量比较还表明 ,小波变换在融合中、小尺度的纹理特征方面具有优势 .     

采用改进型IHS变换的遥感图像融合算法

在分析亮度一色度-饱和度(IHS)变换影像融合方法的基础上,针对IHS变换存在光谱特征扭曲的局限性,提出了一种采用分辨率退化模型的基于IHS变换的局部回归分析融合方法.采用SPOT的全色影像和TM的多光谱影像为实验数据,经多个统计参数的定量分析以及Matlab仿真实验的验证表明,该方法在空间分辨率和光谱分辨率上都达到了较好的效果.     

采用梅花采样方向滤波器组的多光谱图像融合

利用梅花采样方向滤波器能够提供丰富的方向信息的特点,提出了一种基于此方向滤波器组的多光谱图像融合方法。该方法通过IHS变换,将多波段影像从RGB空间转换到IHS空间,对I分量及全色影像进行梅花采样方向滤波器变换,得到相应的低频子图像和高频不同方向的子图像,将它们按一定的融合规则得到新的I分量,通过IHS逆变换得到RGB融合图像。实验结果表明,该方法在图像边缘等细节上有较好的视觉效果,取得了优于IHS方法和基于梅花形采样离散小波变换方法的融合效果。     

于灰色模糊熵的SAR图像快速分割方法*

针对SAR图像特殊的噪声特性,提出一种基于灰色模糊熵的快速图像分割方法。该方法不仅考虑了图像像素的灰度信息,还考虑了像素与其邻域像素的空间相关信息。为弥补传统模糊方法对噪声敏感的缺陷,引入灰色关联分析理论,设计图像当前像素灰度值与其八邻域像素灰度值组成的比较序列,通过计算其与目标点参考序列的灰色关联度修正传统隶属函数,以更精确地描述该灰度值属于目标或背景的模糊隶属度,并进一步给出了灰色模糊熵模型作为选取最佳阈值的准则。此外,为尽快确定最佳隶属度阈值,采用了具有群体智能的粒子群优化算法。实验表明该方法可以在     

Advanced image steganography based on exploiting modification direction and neutrosophic set

A new variant of image steganography based on exploiting modification directions (EMD) named advanced EMD (AEMD) is introduced. In this method the secret digits in mⁿ -ary notional systems are embedded into a group of n pixels of the cover image. To increase data hiding capacity, edge masking characteristics of human visual system is exploited to embed more bits at image edge pixels than non-edge pixels. To do this, a neutrosophic set edge detector, named as MNSED is also introduced to classify cover image into 2?×?2 non-overlapping edge and non-edge blocks without any overhead information. Hence the secret digits in two different bases are embedded into the edge and non-edge blocks. Experimental results show that the proposed method provides higher embedding capacity and better quality compared to the existing schemes, while its resistance to steganographic attack is still higher.