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。     

基于NSCT-PCNN的多聚焦红外图像融合

由于红外镜头景深的限制,为获得场景中所有区域都聚焦清晰的图像,提出一种在非下采样轮廓波变换(NSCT)域结合改进的脉冲耦合神经网络(PCNN)的多聚焦红外图像的融合算法.首先通过NSCT将图像分解为不同尺度和方向的子带;低频子带图像利用基于一致性验证的特征选择规则进行融合;对于高频子带,采用改进的空域频率激励PCNN模型,选择点火时间最大的系数进行融合;最后通过NSCT反变换得到融合图像.通过多组同一场景不同聚焦位置下的红外图像融合实验,结果分析表明该算法能从源图像中获得更多的信息,更好地保留源图像的边缘信息,融合效果优于相关算法.     

一种基于非采样Contourlet变换红外图像与可见光图像融合算法

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于非采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)图像融合算法.算法首先采用NSCT对源图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数.然后,针对低频子带系数的选择,提出了一种基于红外图像与可见光图像物理特征的"加权平均"系数选择方案;针对各带通方向子带系数的选择,结合人眼视觉特性,提出了一种基于区域能量匹配的系数选择方案,得到融合图像的NSCT系数.最后经过NSCT逆变换得到融合图像.实验结果表明该算法可获得较理想的融合图像,其融合效果优于传统的基于离散小波变换以及离散小波框架变换的图像融合算法.     

基于Shearlet变换的多聚焦图像融合方法

为提高多聚焦图像的融合效果,利用Shearlet变换具有多尺度多方向的特性,文中提出了一种基于Shearlet变换的图像融合算法。针对待融合图像进行Shearlet变换,得到低频子带系数和不同尺度不同方向的高频子带系数;对低频子带系数取分解系数区域能量高的系数,高频子带系数采用区域能量和区域清晰度以及区域方差相结合,采用多判别法得到融合系数,并最终进行Shearlet逆变换得到融合图像。结果表明,在主观视觉效果和客观评价指标上此算法优于其他融合算法     

基于FFST和方向特性对比度的图像融合算法

为了克服红外可见光图像融合方法存在的不足,结合快速有限剪切波变换(Fast Finite Shearlet Transform,FFST)的平移不变性以及较高的方向敏感性,提出了一种基于快速有限剪切波变换域的自适应多方向图像融合新方法。首先,对严格配准后的图像进行快速有限剪切波变换分解,得到低频子带和高频子带系数;然后,对低频子带系数采用非负矩阵分解的一个约束稀疏算法,即在基本非负矩阵分解的优化函数中施加稀疏性约束,使分解更优,以此来提高重构后图像的清晰度;高频子带系数则采用联合方向特性的对比度进行选取,以得到丰富的细节信息。最后,利用快速有限剪切波逆变换得到重构后的图像。实验结果表明,融合后的图像充分结合了源图像的有用信息,整体轮廓清晰,在客观评价上也有一定的提高。     

基于边缘和多特征选择的多聚焦图像融合

为了有效度量多聚焦图像中的聚焦区域,提出一 种基于边缘和多特征选择的多聚焦图像融合算法。 利用NSCT对源图像进行分解,对得到的低频子带系数采用基于边缘的融合策略;对于高频子 带系数,通过 拉普拉斯能量和、区域能量和方差提取邻域窗口的显著性特征,提出一种新颖的基于多特征 选择的高频融 合策略,该融合策略可以综合考虑区域特征的贡献,自适应的选取显著性特征和融合方法; 最后进行NSCT 逆变换得到融合图像。实验结果表明,与常用的融合方法相比,在主观效果上,本文方法能 够更有效保留 源图像中的边缘和细节信息;在客观指标上,本文方法的融合图像在互信息、边缘保持度、 熵、结构相似度以及标准差等客观评价具有明显的优势。     

基于卷积神经网络结合NSCT的红外与可见光图像融合

传统红外与可见光融合图像在复杂环境下存在细节缺失,特征单一导致目标模糊等问题,本文提出一种基于卷积神经网络结合非下采样轮廓波变换（non-subsampled contourlet transform,NSCT）的红外与可见光图像进行融合的方法。首先,通过卷积神经网络提取红外与可见光目标特征信息,同时利用NSCT对源图像进行多尺度分解,得到源图像的高频系数与低频系数;其次,结合目标特征图利用自适应模糊逻辑与局部方差对比度分别对源图像高频子带与低频子带进行融合;最后,通过逆NSCT变换得到融合图像并与其他5种传统算法进行对比;实验结果表明,本文方法在多个客观评价指标上均有所提高。     

基于图像质量评价参数的FDST域图像融合

为了提升多源图像融合精度,提出了一种基于图像 质量评价参数的有限离散剪切波变换(FDST)域图像自适应融合方法。利用FDST对源图像进行 多尺度、多方向分解,低频子带图像采用结构相似度与空间频率两种图像评价参数作为系数 权值,高频子带图像应用区域空间频率取大的融合策略。应用有限离散剪切波逆变换(FDSIT )重 构图像。采用多组多源图像进行融合实验,并对融合结果进行了客观评价。实验结果表明, 本文提出的融合方法在主观和客观评价上均优于其他多尺度融合方法,具有更好的融合效果 。     

基于交替非负最小平方投影梯度NMF的TINST域图像融合

为了克服现有基于多尺度分解(MSD)的图像融合方 法存在的某些缺陷,增强多模态图像的融合精度,提出了一种平移不变不可分离剪切波交换 (TINST)结合交替非负最小平方投影梯度非负矩阵分解(NMF)的图像融合方法。首先利用TINS T对源图像进行多尺度、多方向分解,得到一个低频子带和多个高频方向子带系数;然后将 低频子带系数看作原始观测数据,采用交替非负最小平方投影梯度NMF算法进行融合,得到 包含特征基的 融合低频子带系数,将高频方向子带系数作为脉冲耦合神经网络(PCNN)的外部输入激励,经 点火处理和判决选择算子选 择,得到融合高频方向子带系数;最后应用逆TINST重构融合后的子带系数,得到融合图 像。采用多组多模态图像进行融合实验,并对融合结果进行了客观评价。试验结果表明,本 文提出的融合方法在主观和客观评价上均优于其他MSD融合方法。     

基于NSST和CS的红外与可见光图像融合

针对红外与可见光图像需要实时融合的特点,提出一种降低算法复杂度的基于非降采样剪切波变换(Non-subsampled Shearlet Transform)和压缩感知域的红外与可见光图像融合算法。利用NSST算法对红外图像和可见光图像分别进行多尺度、多方向稀疏分解,分别得到低频系数和各带通方向子带系数。对低频子带系数采用基于目标特征的加权平均融合规则;压缩感知理论的测量矩阵采用哈达马阶快速沃尔什矩阵,对细节信息保留较多的各带通子带系数进行观测测量,得到更稀疏的各带通子带系数测量值,对此测量值采用基于区域方差选大的融合规则得到融合测量值,运用基于增广的拉格朗日乘子和交叠方向恢复算法对融合测量值进行重构得到近似精确的各带通子带融合系数,最后对低频子带融合系数和各带通方向子带融合系数执行NSST逆变换得到最终的融合图像。实验结果表明,该融合方法不仅可以保证融合清晰度,同时还可以缩短算法的运行时间。     

基于多尺度方向局部极值滤波和ASR的图像融合

为了更好地提取源图像的边缘和方向信息,充分利用边缘保持滤波器的保边缘特性和方向滤波器有效提取方向信息的能力,提出一种基于局部极值滤波和非下采样方向滤波器的多尺度方向局部极值滤波图像融合方法。源图像经多尺度方向局部极值滤波,得到低频子带以及一系列的高频方向细节子带,对低频子带系数提出一种基于自适应稀疏表示(ASR)的融合规则,采用空间频率与l1范数相结合的策略得到融合的稀疏表示系数,对高频方向细节子带系数提出一种基于改进拉普拉斯能量和匹配度的选择与加权平均相结合的融合策略。实验结果表明,本方法能够有效提取源图像的边缘等细节信息,融合结果对比度更高,具有更好的主观视觉效果,其客观评价指标也优于传统的图像融合方法。     

针对人类视觉系统的双波段红外图像融合算法研究

提出了一种针对人类视觉系统的双波段红外图像融合算法。首先采用非下采样Contourlet变换把源图像分解成尺多度、多方向上的子带,然后采用绝对值最大算子的方法对高频部分进行融合,采用基于区域方差的方法对低频部分进行融合,最后进行重构得到融合图像。对试验中采集的双波段红外图像进行了融合实验,并将融合效果与梯度金字塔变换方法和小波变换方法进行了比较。实验结果表明,针对人类视觉系统的双波段红外图像融合算法有效可行,可以获得比常用的算法更好的融合效果。     

基于离散Tchebichef变换的多聚焦图像融合方法

基于变换技术的图像融合是多聚焦图像融合中常采用的方法,其过程是将图像转换到变换域按照一定的融合规则进行融合后再反变换回来,具有较强的抗噪能力,融合效果明显。该文提出一种基于离散Tchebichef正交多项式变换的多聚焦图像融合方法,首次将离散正交多项式变换应用到多聚焦图像融合领域。该方法成功地利用了图像的空间频率与其离散Tchebichef正交多项式变换系数之间的关系,通过离散正交多项式变换系数直接得到空间频率值,避免了将离散多项式变换系数变换到空域计算的过程。所提方法节省了融合时间,并提高了融合效果。     

基于NSUDCT的红外与可见光图像融合

针对同一场景的红外与可见光图像,提出了基于非下采样均匀离散Curvelet 变换（NSUDCT）的图像融合方法。首先使用标记控制的分水岭分割（MCWS）算法对源图像进行区域分割,对各分割结果进行叠加得到联合区域图。然后对源图像进行非下采样均匀离散Curvelet 分解,分解后的低频系数采用区域对比度和区域标准差作为量测指标进行融合,高频方向系数使用基于局部能量的融合规则进行融合,并对融合系数做一致性检测。最后通过各频带融合系数重建得到融合图像。实验结果表明文中方法取得了比较好的视觉效果和量化数据,相比基于NSUDCT 的像素融合方法,此文方法的熵值提高了9.87%,交叉熵减少了68.04%,互信息提高了80%。     

基于NSST和改进PCNN的医学图像融合

为了解决单一模态医学图像的局限性,提出了一种 基于非下采样剪切波变换(NSST)和改进型脉冲耦合神经网络(PCNN)相结合的多模态医学图 像融合方法。首先,利用NSST对源图像进行多尺度、多方向分解,得到 低频子带系数和高频子带系数;其 次,低频子带系数由区域能量和方差求取区域特征,采用基于区域特征加权的方式进行融合 ;高频内层子 带系数先通过PCNN求出区域点火特性,再与平均梯度加权的方式进行选择,高频外层子 带系数采用区 域绝对值取大的融合规则;最后,通过逆NSST重构图像。实验结果表明:与常用融合 规则对比,在 主观效果上,本文的融合图像可以保留源图像的边缘信息,得到更好的视觉效果;在客观指 标上,本文方法 融合得到的图像在互信息(MI)、边缘评价因子(QAB/F)和 结构相似度(SSIM)等客观评价指标上取得更好的效果。     

基于PCNN图像分割的医学图像融合算法北大核心CSCD

为充分提取源图像间的互补信息,改进传统的图像融合算法在亮度维持、能量保留、边缘信息保持等方面的不足,本文提出了基于脉冲耦合神经网络(pulse coupled neural network, PCNN)图像分割的医学图像融合算法。该算法综合了非下采样剪切波变换(non-subsampled shearlet transform, NSST)与PCNN。首先,选取标准差较大的源图像作为被分割图像,标准差较小的源图像作为参照图像,将源图像进行NSST分解,获取源图像低频子带系数和高频子带系数;在低频融合中,利用参数自适应的PCNN对被分割图像的低频子带进行分割,根据分割结果获取融合低频子带系数;在高频融合中,采用以区域能量和与拉普拉斯能量和两者的乘积作为判断函数,获取融合高频子带系数;利用NSST逆变换获取融合图像。最后,应用本文提出的算法,对脑萎缩、急性中风和高血压性脑病等3组电脑断层扫描/磁共振成像(computerized tomography/magnetic resonance imaging, CT/MRI)图像进行了融合仿真,并将仿真结果与2018年后国际刊上提出的5种算法的融合图像进行比较。结果表明,应用本文提出的融合算法得到的图像,有效地增强了不同模态间的信息互补,保持了融合图像与源图像具有相同明亮程度,又保留了源图像低亮度部分的边缘信息,更加符合人眼视觉特性,具有更高的客观评价指标。