基于双树紧支剪切波变换的遥感图像融合

提出一种基于双树紧支剪切波的遥感图像融合算法。紧支剪切波变换是剪切波理论的空域实现,因其步骤中包含了传统的离散小波变换(DWT),引入了移变性。分析移变性对图像融合的影响,采用双树复数小波抑制紧支剪切波的移变性,与主分量分析变换(PCA)或IHS变换相结合,提出遥感图像融合算法。通过QuickBird和IKONOS的三组数据的进行实验,结果表明提出的融合方法性能优于基于DWT、à trous小波、Curvelet以及基于频域实现剪切波(à trous shearlet)方法。     

基于有限脊波变换和Cycle spinning的图像融合算法

有限脊波变换在处理高维信号时比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能,利用这一特点将其应用于图像融合领域,但有限脊波变换不具有平移不变性,故提出了用有限脊波变换与Cycle spinning相结合的方法消除因移变性产生的Gibbs现象。实验验证结果表明,本文算法能有效提取图像特征,且对边缘特征的表述更加清晰光滑。     

非下采样剪切波变换域下遥感图像融合

多光谱图像与全色图像的融合已被广泛应用于提高后续图像处理效果以满足图像进一步应用的需要,本文提出了一种在非下采样剪切波变换域中基于区域清晰度加权和导向滤波相结合的遥感图像融合方法.利用剪切波变换将多光谱图像的亮度分量与全色图像分别分解为低频子带和高频子带;针对高低频子带的特点分别设计高低频子带融合规则;对融合系数取剪切...     

基于非下采样剪切波变换的医学图像融合算法

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)的多模态医学图像融合方法.该方法利用NSST将待融合的医学图像分解成低频系数和高频系数,并利用区域能量加权(WLE)的方法对分解后的低频系数进行融合,使用区域能量和平均梯度加权的方法对分解后医学图像的高低频系数进行融合,采用NSST逆变换重建融合后的图像.选择信息熵、平均梯度和空间频率3个参数作为融合图像的客观评价参数,结果表明,该方法取得的融合结果比离散小波、轮廓波和非下采样轮廓波变换等传统方法更好,计算效率更高.     

结合波原子和Cycle Spinning的图像去噪

结合波原子变换和Cycle Spinning 的优点,提出一种新的图像去噪算法．由于波原子变换缺乏平移不变性,直接进行系数阈值去噪会在去噪图像边缘产生伪吉普斯现象,导致图像的失真．该算法引入Cycle Spinning技术有效抑制这种视觉失真,对原始含噪图像进行波原子硬阈值去噪．实验结果表明,与单一波原子变换、小波Cycle Spinning方法相比,新算法能够在去除噪声的同时保留边缘,有效抑制了传统去噪方法的伪吉普斯现象,视觉效果也能得到较好的改善．对强噪声级的图像,这种优势更为明显．     

基于NSST域像素相关分析的医学图像融合

针对像素级多模态医学图像融合信息丢失的问题,提出了一种基于非下采样剪切波变换（NSST）的像素相关性分析（PCAS）的图像融合方法。首先,对源图像进行NSST分解,获得高低频子带。然后,利用提出的中心像素方差计算邻域像素与中心像素的强度相关因子,构建邻域像素相关系数矩阵,并提出将相关性拉普拉斯能量和作为高频方向子带的融合规则。再次,计算低频子带中心像素能量以及邻域像素能量梯度信息,得到低频融合决策图。最后,通过逆变换得到融合结果图像。磁共振图像（MRI）和计算机断层扫描（CT）、单光子发射计算机断层成像（PET）、正电子发射断层成像（SPECT）的脑部图像融合实验结果表明,本文融合方法可以很好地保留源图像的显著信息和纹理细节。     

二进脊波变换的高光谱遥感图像融合分类

将二进脊波变换应用到高光谱遥感图像的数据融合中,并针对该算法的特点,提出了将变换数据分成两部分分别进行融合的融合算法,即将经过二进小波行变换的图像数据进行划分,对于包含图像概貌特征的低频数据进行归一化方差加权融合,对于包含图像边缘、直线等细节特征的高频数据选择各波段数据对应像素点小波系数绝对值最大者作为融合后该像素点的像素值.对标准的AVIRIS高光谱遥感图像实现了数据融合,并在此基础上完成了对高光谱遥感图像的分类.实验结果表明,无论是从直观上还是从数值结果上来看,该方法能有效地实现高光谱遥感图像的数据融合与分类.     

有限脊波域受约束的全变差能量泛函

为了减小有限脊波变换在图像处理应用中所出现的“卷绕”伪直线,将此伪直线视为一种振荡,首先对降质图像进行非线性有限脊波变换阈值,然后引入全变差正则化方法来抑制这一振荡,并约束所保留系数与待恢复图像的变换系数相等,以此确定可行域,进而建立了一种带脊波域约束的极小化全变差能量泛函模型,借助投影梯度算法对其进行求解．实验结果表明该方法对噪声具有较强的鲁棒性,在去噪和保留边缘的同时,使“卷绕”伪直线得到有效的抑制．     

基于离散Shearlet类别可分性测度的人脸表情识别方法

针对优化表情特征稀疏表达问题,提出一种基于离散Shearlet类别可分性测度的人脸表情识别方法。首先,对预处理后的图像进行离散Shearlet变换,得到变换系数。然后,根据测度函数评估每个方向与尺度系数的可分性指标,在最佳可分性方向与尺度上,融合低频和高频系数作为特征。最后,引入支持向量机进行分类。结果证明:本文方法选取具有最佳可分性的尺度和方向系数作为特征,抛弃了无用信息,降低了特征维度与计算量,使系统更高效。     

基于脊波变换的SAR与可见光图像融合研究

脊波(R idgelet)作为一种新的多尺度分析方法比小波更加适合分析具有直线或超平面奇异性的信号,而且具有较高的逼近精度和更好的稀疏表达性能。将脊波变换引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息,在融合过程中抑制噪声的能力也比小波变换更强。因此,提出了基于脊波变换的SAR与可见光图像融合方法,并采用偏差指数与等效视数指标对融合效果进行评价。实验结果表明,该方法在保留合成孔径雷达SAR(synthetic apertureradar)与可见光图像重要信息、抑制噪声能力方面均优于小波变换方法。     

基于离散余弦和Contourlet混合变换域的图像水印方案

针对多媒体资源的版权保护问题,结合离散余弦变换和Contourlet变换的优点,提出了一种基于离散余弦变换和Contourlet混合变换域的数字图像水印算法．该算法采用二值图像作为水印,利用混沌映射对水印图像进行加密．将水印嵌入到人眼最不敏感的蓝色分量的离散余弦和Contourlet混合变换域的低通采样逼近子带中,增加了嵌入信息容量．仿真结果表明该水印算法不仅具有较好的安全性、不可见性和稳健性,而且水印采用盲提取,不需要载体图像的信息,更有利于实际应用．     

基于Curvelet变换的图像融合算法

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,定义了局部区域标准方差,采用了“选择”与“平均”相结合的系数选择方案;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域方向对比度的概念,并给出了基于方向对比度的系数选择方案。实验结果表明:本文所给出的融合算法能够很好地保留多幅源图像中的有用信息,得到多个目标聚焦都很清晰的图像。     

多尺度图像增强可见光与红外图像融合

针对同一场景在可见光和红外传感器得到的图像其高频细节部分存在着较大差异这一特点,首先对已经配准的红外传感器和可见光得到的图像进行小波变换,在多尺度下对两幅图像进行边缘提取。然后以局部模方为活性测度,局部模方的比值为匹配测度,并且利用图像的边缘特征指导融合策略,经过合成模块和多尺度逆变换得到融合图像。最后对融合后的图像进行图像增强,并对其进行客观评价,证明了本文方法的有效性。     

基于NSST与引导滤波相结合的红外与可见光图像融合方法研究

传统的图像融合方法存在着对比度不高、边缘细节等信息保留不理想的问题,为解决此问题,提出了一种基于非下采样剪切波变换（NSST）与引导滤波相结合的图像融合算法。通过自适应引导滤波提取源图像细节,再使用NSST算法将滤波后图像和细节图像分解成低频子带和高频子带。对于低频子带的融合,采用改进的模糊逻辑加权平均融合规则;对于高频子带的融合,使用区域能量最大化的方法。实验结果表明,所提出的图像融合算法能够更突出图像目标信息,提供丰富的背景细节信息,同时保留了图像边缘信息,使融合的图像更符合人眼视觉系统。同时,融合效果在信息熵、空间频率、互信息、交叉熵等多个客观评价指标至少提高了0.10%、0.52%、3.25%、0.34%。     

基于插值Directionlet变换的图像融合方法

为了凸显区域的细节特征,改善图像的视觉效果,本文通过对Directionlet变换进行插值处理,并结合压缩感知理论提出一种新的图像融合方法。在进行插值Directionlet变换分解以后,对低频分量通过其区域特征及其接近度进行系数融合;对于高频分量,使用改进稀疏化的哈达玛矩阵进行观测,并对观测值进行加权融合,然后对融合后的高频方向子带进行重构;最后通过插值Directionlet逆变换重构图像。数值试验显示,本文提出的融合算法计算复杂度低,融合效果好,能同时得到目标和场景均清晰的融合图像。     

非下采样剪切波的红外偏振图像融合

针对传统红外目标探测技术中的探测率较低,无法分辨红外伪装的军事目标等缺点,提出区域显著性的非下采样Shearlets变换(NSST)方法融合图像,运用NSST能够将图像精细的分解在频率域,在频率域根据图像显著性分布权重确定融合规则,经过NSST反变换得到融合后图像.结合中波与长波红外实拍实验,比较该方法与其他常用融合方法,结果表明,区域显著性的NSST融合图像噪声信息少、对比度、信息熵及互信息值均较高,方法适合偏振图像的融合,有利于目标的识别与探测.     

基于自适应NSST—PCNN的红外与可见光图像融合方法研究

传统的红外与可见光图像融合方法存在着对比度不高、背景细节信息保留不理想的问题,为解决此类问题,提出了一种非下采样剪切波变换(Non-subsampled Shearlet Transform,NSST)结合自适应脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的方法.利用NSST将源图像多尺度地分解成低频子带和高频子带;针对图像低频子带融合,采用自适应模糊逻辑加权平均融合规则;对于图像高频子带融合,采用自适应PCNN的算法;最后,通过NSST逆变换得到融合后图像.实验结果表明,相比于传统图像融合方法,本方法在信息熵、空间频率、平均梯度、互信息和交叉熵等多个客观评价指标上至少分别提高了1.54％、4.52％、3.52％、9.14％、0.12％,提高了融合图像的对比度,保留了背景细节信息,取得更好的融合效果.     

基于子波域自适应融合HMTseg算法的遥感图像分割

提出了一种具有自适应融合机制的HMTseg算法,用于遥感图像的分割.该算法充分利用图像子波系数尺度间的统计相关性,通过赋予各个尺度不同的背景权值,兼顾了粗尺度分割的区域一致性和细尺度分割的边界定位准确性,保持了图像各个同质区域的主体轮廓,增强了辨别图像小目标的性能.航拍图像和合成孔径雷达图像的分割结果表明,该算法可以在分割的区域一致性和边界准确性之间做到较好的折中,提高遥感图像分割的性能.     

基于图像质量评价参数的非下采样剪切波域自适应图像融合

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非下采样剪切波(NSST)域图像自适应融合方法。利用非下采样剪切波变换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,高频子带图像应用绝对值与邻域平均能量一致性选择的融合策略。应用非下采样剪切波逆变换重构图像。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。     

非降采样Contourlet域方向区域多聚焦图像融合算法

提出了一种基于方向区域特性的非降采样Contourlet域多聚焦图像融合算法。算法将图像进行非降采样Contourlet变换为不同方向的高低频子带,低频子带和高频子带中分别采用方向区域的方差匹配度和能量作为融合规则,其中方向区域与当前子带分解方向保持一致,最后,通过反变换得到融合图像。实验结果表明,本文提出的方向区域方法能够更好地体现二维图像中的曲线或直线状边缘特征。将现有的融合算法和本文所提算法进行了主观和客观的对比,结果表明,基于非降采样Contourlet变换的方向区域特性的图像融合算法是一种有效可行的图像融合算法。