处理RAW图像3款软件的初步比较(下)

然后通过具体的调整加以比对。 1．增加曝光量的比较： 图15是从图8中取其局部的原始照片，约欠两级曝光量。     

一种双通道图像准实时融合实验系统

图像融合技术在医学诊断、遥感、计算机视觉、天气预报、军事目标识别等方面有着广阔的应用前景,其目前的研究方向主要集中于算法研究,与实际需要的硬件实时与准实时实现相差较远。针对这一实际需求,研制了一种双通道图像准实时融合的实验系统,并叙述了其设计原理、各组成部分及功能、系统特点等。设计与实验结果表明,该实验系统原理可行、可靠灵活、对成熟实用、高速实时的图像采集与融合系统的研制奠定了坚实的技术基础。     

一种基于Directionlet变换的图像融合算法

为了提高图像融合效果,提出了一种基于Directionlet变换的图像融合算法.首先对已配准的待融合源图像由给定的生成矩阵分别进行陪集分解,得到每个陪集对应的子图;接着将每两个子图相减,得到源图像的高频和低频分量,其中边缘、纹理等奇异特征包含在高频分量中;然后对低频分量采用直接平均融合的方法进行系数选择,对高频分量选择子区域边缘信息较强的系数;最后,通过Directionlet陪集分解的反变换,得到融合后的图像.多聚焦图像融合实验表明,在主观视觉上,该算法明显更好地融合了边缘等图像特征,从而较好地保持了左右聚焦图像各自的细节信息;在客观评价上,通过熵、平均梯度、标准差和互信息量等性能参数比较,该方法也优于小波变换和其他的融合方法.     

一种新的图像配准分类方法的研究

为了更好的理解和分析图像配准技术,本文基于图像配准结果和目的的不同,提出了一种新的图像配准分类方法,将其分为运动估计和融合两类,突破了传统的基于算法分类方法的界限,站在一个全新的角度去理解图像配准技术,在每一个分类下,分别阐述了常用算法,以及提出当前新颖的研究方法,并分析了每一分类的具体应用,为后续的图像处理、拼接、重建等工作做出详细的准备。     

一种新的图像配准分类方法的研究

为了更好的理解和分析图像配准技术,本文基于图像配准结果和目的的不同,提出了一种新的图像配准分类方法,将其分为运动估计和融合两类,突破了传统的基于算法分类方法的界限,站在一个全新的角度去理解图像配准技术,在每一个分类下,分别阐述了常用算法,以及提出当前新颖的研究方法,并分析了每一分类的具体应用,为后续的图像处理、拼接、重建等工作做出详细的准备。     

一种新颖的虹膜识别方法

提出一种基于多纹理特征融合的新颖虹膜识别方法。该方法对虹膜图像做Gabor小波变换提取不同分辨力不同方向下的纹理特征作为虹膜的全局特征,在滤波后的子窗口图像上运用灰度级共现矩阵(COM)提取虹膜的局部特征。通过加权欧几里德距离和最小距离分别对全局特征和局部特征进行分类识别。设计了FIS(模糊推理系统)特征融合分类方法来提高虹膜识别的鲁棒性。实验结果表明本方法有效可行,可以达到98.5%的识别率,并在保持1.4%较低的FRR(拒绝率)的同时可以使FAR(误识率)减少到0.1%。     

一种新的ICA域图像融合算法

针对红外和可见光图像的特点,结合Mitianoudis提出的ICA域图像融合方法,本文提出了一种改进的ICA域多模图像融合算法.该方法根据Mitianoudis的方法,通过训练得到的基函数对图像进行线性变换,在变换域中将图像分割成不同的区域,对活跃区域采用绝对值取大的融合规则,而对非活跃区域则按照目标传感器图像的区域分割结果分别采取不同的融合规则,最后反变换得到融合图像.实验结果表明了本丈方法的有效性.     

一种基于小波变换的目标融合跟踪方法

本文在分析小波变换的基础上，将小波分析应用到目标图像的融合跟踪技术上，利用小波的多尺度和多分辨特性，不仅能够获得不同分辨力下的图像序列，进行目标图像融合；还能有效地从信号中提取突变信号。对函数或信号进行多尺度的细化分析。图像边缘用小波变换进行处理和提取并对图像形心进行计算。能够得到较好的轮廓提取效果和形心定位精度，进而说明了小波变换可能成为目标跟踪中较好的数学方法。     

一种基于后验概率的分类器融合方法

基于二进小波边缘提取算法,提出一种基于后验概率模型的分类器图像融合方法。首先通过二进小波进行图像边缘检测,分别求得水平与垂直方向的边缘点,再使用最优决策函数方法对输入样本进行分析并在所有分类器中寻找一个最优的分类器,从而得到最终分类结果。该方法在图像的边缘点具有很好的分类效果等优点。     

一种改进的遥感图像融合方法

针对传统的IHS变换和Mallat算法在融合多光谱图像和高空间分辨力图像时存在的不足,提出了一种将IHS变换和平稳小波变换相结合的遥感图像融合方法;另外,对多光谱图像和高空间分辨力图像因空间分辨力的不同而带来的融合图像中所存在的虚假轮廓问题,提出在融合过程中先定位虚假轮廓出现的位置,然后加以处理的方法.仿真结果表明,本文算法在光谱失真上小于IHS变换法,克服了Mallat算法存在的方块效应,同时较好的抑制了虚假轮廓.     

一种基于人眼视觉特性的偏振图像融合方法

根据偏振参量图像之间存在的信息冗余性和互补性,提出了一种基于人眼视觉特性的偏振图像融合方法.该方法首先对线偏振度图像和偏振角图像进行基于能量特征的融合,得到偏振特征图像;然后,利用五株采样提升小波变换实现偏振特征图像和合成强度图像的融合;最后,根据人眼对局部对比度敏感的特点,采用偏振度图像对融合结果进行对比度增强处理.实验结果表明,融合后的图像不仅突出了场景的偏振信息,而且包含了丰富的强度信息,目标与背景的对比度也得到了显著增强.     

一种抽样小波域的遥感影像融合新方法

针对传统图像融合方法的不足,提出了一种新的基于IHS变换与抽样小波变换的高清晰遥感影像融合方法.该方法将直方图匹配后的全色影像的高频系数作为融合后的高频系数,而融合后的低频系数依据新提出的融合规则得到,最后采用小波逆变换与逆IHS变换获得融合图像.实验结果表明,该方法在提高融合影像的空间分辨率与光谱质量之间得到了更好的折衷.该方法的计算复杂度接近于常用的基于抽样小波变换的融合方法,明显少于基于非抽样小波变换的融合方法.     

一种基于数据融合的图像插值算法

针对传统的线性插值算法存在的边缘模糊问题,本文提出一种新算法.首先采用距离平方反比的插值方法在插值点邻域内计算水平、垂直和对角三个方向共6个插值,然后以插值距离和方向梯度构造权重,进行数据融合获得最终插值.该算法既考虑了插值距离因素,又考虑了插值方向梯度信息,有效地保护插值图像的边缘和纹理信息.实验结果表明,该算法的插值图像比传统的双线性插值法均方误差降低而平均梯度增加,是一种提高插值图像分辨率的有效方法.     

一种改进的基于局部能量图像融合算法

分析了基于局部能量的小波图像融合算法的优缺点,针对该算法存在的对窗口内像素包含独立信息考虑不足的问题,提出了一种改进算法。改进算法利用了窗口中心像索的相位信息,将基于局部能量的选择和加权平均融合规则相结合。当两幅源图像小波分解后的对应高频系数相位相同时,采用局部能量极大值准则选择融合图像对应的高频系数,相位相反时,采用局部能量加权平均方法确定融合图像对应的高频系数。实验证明了改进算法的有效性。     

一种基于小波变换的多聚焦图像融合方法

提出了一种基于低频系数局部区域梯度信息的多分辨率图像融合方法。根据局部梯度信息对源图像的小波低频系数进行选择,获取融合图像的对应低频系数。依照平均误差、峰值信噪比、均方根误差以及偏差度、熵等评价标准,将该方法的多聚焦图像融合效果与其他三种常用低频系数融合方法的效果进行了比较。实验结果表明,该方法获得的大部分评价指标都优于其他三种方法,且其最佳小波分解层数为2层,而其他三种方法的最佳小波分解层数为5层。最佳小波分解层数越少,图像融合的计算量越小。该方法在减少计算量的同时,提高了融合质量。     

一种改进多尺度形态边缘检测算法

提出一种改进的多尺度形态边缘检测算法。用不同尺度大小的结构元素分别检测出图像的不同尺寸的边缘信息,运用本文提出的基于直方图配准的自适应方法对所获不同尺寸的图像边缘进行融合,获得理想的图像边缘,有效地消除了噪声。实验结果表明当图像中加入了强度超过20％的椒盐噪声后,检测到的边缘仍然非常清晰。     

一种改进多分辨率图像融合算法

提出一种基于局部熵的多分辨图像融合算法。利用小波变换得到待融合图像的多分辨结构,同时得到图像的多分辨局部熵序列。以局部熵为判据,在图像多分辨结构相应各级上进行融合,得到融合图像的多分辨结构,利用小波逆变换重构融合图像。实验结果表明,该图像融合方法在保留TM多光谱图像光谱分辨率的同时,通过融合SPOT全色图像提高了空间分辨率,丰富了图像细节信息。     

一种像素级多源图像融合方法的研究

采用BP神经网络与SVR融合法相结合的方法来实现像素级多源图像融合。改进型的SVR方法,用来进行全色波段和多光谱波段的融合。通过仿真证明,BPNN-SVR融合法优于SVR融合法。     

一种采用多个小波基的图像融合去噪方法

提出了一种新的基于多个小波基的图像融合去噪方法.首先利用多个不同的小波基对含噪图像进行阈值去噪,得到多幅恢复图像.然后对这些图像采用小波融合方法进行融合.对于低频系数采用基于边缘的融合算法,在多幅恢复图像中选择最有可能是边缘的点加以保留;对于高频系数,采用了平均的融合算法.最后得到一幅去噪图像.实验结果表明,无论是在视觉效果上还是在峰值信噪比定量指标上该方法去噪效果均明显优于单一小波基去噪.     

一种新的红外与可见光图像融合与跟踪方法

多传感器图像融合技术在目标检测与跟踪领域中有广泛应用。提出了一种红外与可见光图像的新颖的特征级融合与运动目标跟踪方法。将目标轮廓用动态轮廓线表示,在目标跟踪过程中对于两类模式图像中的目标轮廓控制点向量,利用 B 样条形状空间模型将目标轮廓的特征级融合转换为控制点向量差的 L2 范数平方极小化。这种方法不需要图像配准,降低了融合的计算复杂度。同时,使用了自适应 Kalman 滤波技术,提高了动态轮廓线特征搜索的准确性。对比跟踪实验表明,融合后可见光图像的平均跟踪误差减小了 56.96%。