小波变换实现多光谱图象融合增强

本文针对多光谱图象的增强问题,提出了一种基于小波变换理论的融合增强方法。它将高空间分辨率的全色图象和多光谱图象经小波变换后的低频分量进行融合,改进了传统基于小波变换理论的增强方法。本文还对比评价了基于IHS变换和传统小波变换的增强结果,表明了该方法在提高多光谱图象的空间细节表现能力和保持地物光谱信息上都具
有很好的效果。     

基于PCA变换与小波变换的遥感图象融合

针对多光谱图象与全色图象的融合问题,提出了一种基于PCA变换和小波变换的遥感图象融合方法.新方法通过对多光谱图象作PCA变换,首先得到3个主分量;然后,利用小波变换融合方法融合多光谱图象的第1主分量与全色图象,并用融合后的图象替代多光谱图象的第1主分量;最后,作PCA反变换来得到新的多光谱图象.主观视觉效果分析和客观统计参数评价分析表明,新方法的性能优于PCA变换融合方法、IHS变换融合方法和小波变换融合方法,该方法不仅较大地增强了结果图象空间细节的表现能力,而且很好地保留了多光谱图象的光谱信息.     

一种基于小波变换的图象融合算法

基于多分辨率小波变换的融合算法近年来得到了广泛的应用。为了充分利用各种遥感图象的信息中,针对“资源一号”卫星图象和SPOT全色波图象,提出了一种新的基于区域能量特征的小波变换复原-增强融合算法。通过同IHS、PCA和HPF几种传统融合方法的比较和结果评价,证明该方法在提高“资源一号”卫星图象空间分辨率的同时,还较好地保留了多光谱图象的光谱信息,并且有效地克服了“资源一号”卫星图象模糊的特点。     

基于小波包变换的遥感图象融合

为了能够更好地把来自多传感器的图象信息综合起来，以提高对图象信息的分析和提取能力，在研究了小波包图象分析法之后，提出了一种基于小波包变换的图象融合方法，由于小波包变换能对图象进行多层次分解，包括对小波变换没有细分的高频部分也能进行进一步的分解，因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法，利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象，能够很好地将源图象的细节融合在一起，通过与该融合图象进行主观与客观的评价比较，证明该融合方法可以获得更好的融合效果。     

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 .     

小波局部高频替代融合方法

IHS变换是图象融合的经典算法之一。采取IHS变换与小波变换结合的融合算法是近年发展起来的遥感数据融合方法,发挥了IHS和小波两种变换算法的优点。效果比用单一一种方法更显著,提出了小波局部高频替代的融合方法。ETM遥感数据5、4、3波段由IHS盂塞尔彩色空间正变换后的Ⅰ亮度分量,经与全色波段中高能量替代的小波变换,形成一个新的集中了Ⅰ亮度分量和全色波段高频能量的新分量,再通过IHS进行反变换,经过实验,表明此方法可显著提高融合后图象的分辨率,同时又保持了原来多光谱图象的光谱信息。将此方法处理结果用在四川岷江“退耕还林”遥感调查项目中,可以提高土地利用计算精度。     

多光谱图象的真实感融合

多光谱信息融合是指将从多光谱探测器获得的同一场景的多光谱信息特征组合到一起，并利用它们在时空上的相关性及信息上的互补性，以利到对景物更全面，清晰的描述，其真实感成像是指融合后的图像能保留原多光谱图像目标在特定条件下的光谱特征，针对用同一种方法来融合不同场景图象存在的问题，通过分析现有融合方法的优缺点和它们适用的场合，提出了一种综合的图象融合方法，该方法对相关性较弱，且互补性明显的图象对，采用一种新的基于人类视觉系统HVS的自适应加权平衡的融合方法来进行融合，这样能突出目标的光谱特性，而对于相关性较强的图象对，则根据场景目标距离的远近，分别采用小波变换和主成份分析来进行融合，实验表明，该方面能适合于不同类型的场景，其得到的融合结果优于用单种方法进行融合的结果，也有利于对目标的探测和识别。     

基于归一化相关矩的多分辨率遥感图象融合

多传感器数据融合技术已广泛应用于遥感图象处理方面 .针对遥感多光谱图象空间分辨率较低的问题 ,提出了一种基于归一化相关矩的多分辨率图象融合方法 .该方法首先对图象进行二维小波变换 ,然后根据所得到的高频小波系数的一阶、二阶统计特征来定义图象局部灰度相关矩 ,并以此作为图象融合测度来对遥感图象进行多分辨率特征融合 ,从而得到包含更多信息和有效特征的融合图象 .仿真结果表明 ,融合后的图象在保留多光谱信息和提高空间分辨率上均能获得较好的效果 ,因而可以更好地用于目标识别、分类等遥感图象处理方面     

基于小波变换的图象镶嵌方法

本文提出了一种基于小波变换的图象镶嵌方法,小波变换具有多分辩分析特性,极适合解决图象镶嵌边缘灰度不连续问题。实验表明该方法具有良好的视觉效果。     

多源遥感图象融合及应用

标准的数据融合方法在解决一幅高分辨率、全色图象与一幅低分辨率多频谱图象融合问题时,会使多频谱数据的频谱特性失真。我们基于多分辨率小波分解开发了一种技术,用于此类图象的融合。此法是将高分辨率图象的小波系数添加到多频谱（低分辨率）数据上,再将全色图象小波变换的高阶系数添加到多频谱图象的浓度组件上,此算法是对对标准的浓度－色度－饱和度（IHS或LHS）合并法的改进,将该算法应用于SPOT与LANDSAT（TM）图象融合的结果表明,在保留频谱与空间信息方面优于IHS和LHS融合法。     

基于多小波包变换的遥感影像融合

多小波变换以完善的小波基结构,可以在影像处理中获得比单小波变换更精确的处理结果;单小波包变换以精细的频域分割,进一步提高了单小波变换对影像的细节信息处理能力。多小波包变换将两者结合起来,综合了它们的优点,同时又弥补了它们的不足,使其在一些影像处理领域更具优势。在对多小波包变换分析之后,提出了一种基于多小波包变换的遥感影像融合方法,并将该方法与多小波变换融合方法（即基于多小波变换的影像融合方法）进行了对比分析。实验结果表明：由该方法所得的融合影像,无论是在视觉效果上还是在评价指标上都要优于由多小波变换融合方法得到的融合影像。     

基于多小波变换的医学图像融合方法研究

医学图像融合在临床诊断及治疗上有重要意义,多小波是小波理论的扩展,在图像处理方面具有单小波所不具有的优点。文章对基于多小波变换的医学图像融合方法进行了研究总结,提出了基于边沿信息方向性加权的区域能量的融合规则,通过对CT与MRI图、CT与SPECT图实验结果比较,表明该文提出的算法具有更好的融合效果。     

基于多小波变换及多层阈值的图像降噪研究

提出了一种基于多小波变换分层阈值的图像降噪的方法。此方法首先对一幅噪声图像进行多小波分解;接着根据多小波分解后的能量分布特性,在不同尺度的高频子带内,对小波系数进行不同阀值处理;最后经多小波反变换,得到重构图像。实验结果表明:此方法既可以有效地降低噪声,又可以较好地保持图像细节。     

一种基于多小波变换的自适应图像插值算法

为使插值后的图像具有很好的视觉效果和较高的信噪比,并克服使用单小波变换放大图像时的斑点干扰现象,提出了一种新颖的自适应图像插值算法,通过将图像变换到多小波域,并利用多小波域内高频子带的分形维数,自适应的根据低分辨率图像以及该图像进行一级多小波变换后的高频子带信息获取高分辨率图像二级多小波变换的子带信息,对所得到的子带信息进行二级多小波反变换,可以得到更清晰的二倍插值图像。     

基于遗传算法的多小波数字图像水印算法

提出了一种基于遗传算法的多小波数字图像水印算法,在离散多小波变换(DMT)域中嵌入水印信息,利用遗传算法进行参数优化,提高水印图像的质量和水印的鲁棒性.实验结果表明,在利用遗传算法在GHM多小波变换域中嵌入水印比离散小波变换(DWT)域中嵌入水印更具有鲁棒性.     

多小波图象编码

首先,与许多有关多小波的文献不同,该文从Ｍａｌｌａｔ多分辨率分析的角度叙述多小波理论,并由此推导出多小波变换的快速算法;其次,结合二种常用的多小波图象变换预处理方法,提出了一种新的预处理方法,最后,揭示了经多小波分解后,同一幅矢量子带图象不同分量图之间的相关性,并利用这种相关性进行图象编码,理论分析和实验数据都表明,多小波图象编码是一种很有潜力的图象编码方法。     

基于斜变换的小波设计及其应用

本文根据Walsh变换与小波之间的联系,在斜变换的基础上提出了一种新的多进制多小波设计思想,改变了传统小波变换中滤波器设计方法的单一性和推导的复杂性,该滤波器组利用斜变换的快速算法生成简单方便。将该方法应用于图像去噪和图像压缩的实验中,实验结果证明该方法的去噪效果和压缩效果要优于传统的DWT,并且去噪效果还要优于文献[6]中提出的多进制多小波。     

基于离散多小波变换的纹理分类

纹理分析在遥感、医学图像处理、计算机视觉及基于纹理的按内容检索的图像数据库等许多重要领域均有着广泛的应用.引入多小波理论,提出了基于多小波分解的纹理图像分类.通过一系列的实验并与单小波进行比较,实验结果表明,多小波分解比金字塔小波分解或小波包分解其分类准确率更优.     

基于平衡多小波图像变换的视频多描述编码

提出了一种新的视频多描述编码方法，即基于平衡多小波图像变换的视频多描述编码。首先，把图像进行多小波变换，然后，按照图像多小波变换后子带图像分量的异同重组图像的多小波系数，相同分量的多小波系数就构成图像的一个描述。视频的每帧图像都如是处理，就得到视频的多描述编码。一个好的视频多描述编码方案应该满足两个基本条件：各个描述平均分担图像信息和各个描述能够互相差错掩埋。通过统计分析和数学推导发现，在目前几种常用的多小波中，只有平衡多小波能够满足视频多描述编码的两个条件。本文给出了各个描述之间进行差错掩埋的数学公式，并据此提出视频多描述编码的算法。实验结果表明，即使在丢失四分之三数据的情况下，该算法依然能够以接近30dB的PSNR值和较好的视觉效果恢复原图像。     

A New Multiwavelet-Based Approach to Image Fusion

Image fusion refers to the techniques that integrate complementary information from multiple image sensor data such that the new images are more suitable for the purpose of human visual perception and the compute-processing tasks. In this paper, a new image fusion algorithm based on multiwavelet transform to fuse multisensor images is presented. The detailed discussions in the paper are focused on the two-wavelet and two-scaling function multiwavelets. Multiwavelets are extensions from scalar wavelet, and have several unique advantages in comparison with scalar wavelets, so that multiwavelet is employed to decompose and reconstruct images in this algorithm. In this paper, the image fusion is performed at the pixel level, other types of image fusion schemes, such as feature or decision fusion, are not considered. In this fusion algorithm, a feature-based fusion rule is used to combine original subimages and to form a pyramid for the fused image. When images are merged in multiwavelet space, different frequency ranges are processed differently. It can merge information from original images adequately and improve abilities of information analysis and feature extraction. Extensive experiments including the fusion of registered multiband SPOT multispectral XS1\XS3 images, multifocus digital camera images, multisensor of VIS\IR images, and medical CT\MRI images are presented in this paper. In this paper, mutual information is employed as a means of objective assessing image fusion performance. The experiment results show that this fusion algorithm, based on multiwavelet transform, is an effective approach in image fusion area.