基于Curvelet变换与局部能量的图像融合算法

针对当前图像融合算法中边缘与细节特征表达不理想的问题,提出一种新的基于Curvele变换与局部能量的图像融合算法.该方法首先在不同的分辨率下将源图像转换为Curvelet系数集,然后引入局部能量融合规则将Curvelet系数进行结合,最后通过逆Curvelet变换得到融合图像.实验表明:本文算法所得的融合图像细节丰富、边缘清晰,且算法能够抵抗一定噪声的干扰,具有一定的应用价值.     

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。     

基于Curvelet变换与自适应PCNN的红外与可见光图像融合

根据红外与可见光图像的成像特点,提出一种基于Curvelet变换与自适应PCNN( Pulse Coupled Neural Networks)的图像融合新算法.首先对两幅原始图像进行快速离散Curvelet变换,得到不同尺度与方向下的子带系数;对低频系数采取加权平均融合规则,将高频系数作为PCNN的输入,选取区域能量测度为PCNN的连接强度,利用PCNN的全局耦合特性和脉冲同步特性选择高频系数;最后经Curvelet逆变换得到融合结果.实验结果表明,该方法得到的融合图像在边缘等细节上比传统方法具有更好的视觉效果,在熵、平均梯度、标准差等客观指标上都优于其它方法.     

基于Curvelet变换的SAR与TM图像融合研究

Curvelet变换作为一种具有各向异性特征的多尺度变换理论,克服了小波变换难以表达图像边缘方向特性等内在的缺陷.将Curvelet变换应用于图像融合中,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.文中利用Curvelet变换对同一场景的不同传感器获得的合成孔径雷达(SAR)图像和专题绘图仪(TM)图像进行融合,并对融合结果进行了客观和主观分析,实验结果表明,相比于传统的基于小波变换的图像融合算法,该算法具有更好的融合效果.     

IHS变换图像融合方法的改进研究

由于I分量的强制性直接替换会造成传统的IHS变换融合方法的融合图像光谱失真,为解决这一问题引入加权平均算子和高通滤波算子,对IHS变换融合方法进行改进。实验结果表明,改进后的方法不但有效抑制了光谱退化现象,而且增加了融合图像的清晰度,并得出了滤波算子对IHS变换融合方法改进效果最佳的结论.     

一种基于方向性信息测度和IHS变换的图像融合新方法

提出了一种基于图像方向性信息测度和IHS变换的图像融合新方法。该方法首先根据不同邻域尺度下图像方向性信息测度的变化规律．检测出SAR图像象素中的边缘点和纹理点。然后，对TM图像的5、4、3波段(即红、绿、蓝波段)进行IHS变换得到亮度图像Ⅰ。进而根据SAR图像象素分类情况将其和Ⅰ图像进行线性加权融合，其中边界象素和纹理象素的权值比平滑象素大。最后通过IHS反变换，得到完整的融合结果。实验结果表明，与传统的IHS融合方法和基于直方图匹配的IHS融合方法相比，该新方法在保持TM光谱信息和抗噪声能力方面具有明显优势。     

一种基于光照模型的多源遥感图像融合算法

多光谱图像和全色图像是目前卫星遥感领域最常见的传感器图像。为了充分地发挥这两类遥感图像数据的互补性信息，增强二者的清晰度和解译能力，在SFIM算法的基础上，将IHS变换与SFIM相结合，并对原有的均值滤波器进行改进，提出了一种自适应加权均值滤波器。通过一组多光谱图像和全色图像的融合实验，并对比常用的IHS融合方法和SFIM方法，证明了新算法在保持多光谱图像光谱特性的同时，能有效提高融合图像的空间分辨能力。     

基于区域特征的遥感图像融合方法的改进

提出了一种基于小波变换的区域遥感图像融合方法的改进。对图像进行小波多分辨分析,以分解后的高频子图像的区域能量构造匹配度和融合算子,并给出了两个阈值,以便根据不同的特征构造不同的融合算子。对于低频部分采取加权平均的融合规则。并通过小波逆变换得到融合图像。根据主观目视判决和客观评价指标对融合结果进行了比较和分析,结果表明,本文的方法融合效果优于一般的融合方法,具有应用价值。     

离散Curvelet变换在图像增强中的应用研究

近几年来,图像增强技术随着计算机软件和硬件技术的发展而越来越有广阔的应用空间。图像增强技术包括传统图像增强技术和以传统技术为基础的新的图像增强技术。其中,Curvelet变换是基于脊背理论发展的一种新的图像增强技术。本文是在离散Curvelet变换算法的基础上做了部分修改和尝试,并且对Curvelet变换系数进行系数修正,通过MAT-LAB实现该改进的图像增强算法。     

基于IHS变换、小波变换与高通滤波 的遥感影像融合

基于IHS变换、小波变换与高通滤波的遥感影像融合方法。利用IHS变换法来增强结果影像的空间细节表现能力；利用小波变换法来保留多光谱影像的光谱特性；在使用小波变换法的同时，利用高通滤波法对小波变换的低频部分进行融合，以便尽量多保留全色影像的细节信息，避免融合后的影像出现细节模糊。新方法不仅很好地保留了多光谱影像的光谱信息，而且增强了结果影像的空间细节表现能力，提高了结果影像的信息量与清晰度。     

一种基于小波-Contourlet的改进图像融合算法

为了解决小波变换中的方向有限性问题,并消除Contourlet变换中拉普拉斯金字塔分解存在的信息冗余,提出一种基于小波-Contourlet的区域梯度选择平均图像融合算法.该算法对低频采用加权平均规则,对高频则计算区域梯度,并采用选择平均规则,选取空间频率、交叉熵与偏差等客观评价数据.实验结果表明,在相同的融合规则下,...     

基于PCA变换的多元遥感影像融合方法研究

基于PCA变换的融合方法是用于多波段遥感图像的第一主分量具有相同均值和方差的高分辨率遥感图像直接代替多波段遥感图像的第一主分量,这样会损失部分多波段遥感图像第一主分量中反映光谱特性的有用信息,使得融合结果图像的光谱分辨率受到较大影响。因此,在PCA变换融合算法基础上引入小波包变换融合算法,保留多波段遥感图像第一主分量中一些反映光谱特性的有用信息,提高融合后遥感图像的效果。     

基于Haar小波变换的图像融合方法

为了有效的提高多个传感器的图像融合精度,该文提出了基于Haar小波变换的图像融合方法,首先分析了小波变换中不同频率分量对图像融合精度的影响,然后详细探讨了高频分量系数的确定方法。选取信息熵作为图像融合算法性能的评价指标,通过仿真实验定量分析了高频分量系数对图像融合精度的影响,实验结果表明高频分量系数并非越大越好,应根据融合后的图像信息熵确定高频分量系数。     

一种基于Curvelet变换的图像去噪方法

提出了一种Curvelet变换与循环平移相结合的图像去噪方法,消除了由于Curvelet变换缺乏平移不变性而产生的图像失真.实验结果表明,用该方法去噪后的图像与传统小波去噪图像相比,PSNR值更高,视觉效果也更好.     

一种基于小波包变换的SAR图像与TM图像融合方法

为了增强来自不同传感器的图像信息，改善图像的可分析和提取能力，近年来，常采用小波变换融合方法。但小波变换只对低频信息进行多分辨分析，并不考虑高频信息的多级分解。小波包变换不仅能对图像的低频部分，而且对小波变换没有细分的高频部分也能进一步地分解。因此，小波包分析能够为图像融合提供一种比小波多分辨分析更加精细的分析方法。在研究了小波包分析法后，提出了一种小波包图像融合方法。利用此融合算法对同一场景的不同传感器荻得的合成孔径雷达（SAR）图像和专题绘图仪（TM）图像进行融合，通过客观分析与目视评价，证明该融合方法的融合结果更好。     

基于区域特征的小波变换图像融合方法

图像融合的目的是把来自多传感器的数据互补信息合并成一幅新的图像，以改善图像的视觉效果。笔者提出一种基于小波变换的图像融合方法，其思想是先把待融合图像采用小波进行分解，然后在对分解后的小波系数矩阵采用区域特征进行融合处理，最后采用小波逆变换得到融合图像。该方法很好地区分了图像低频分量和高频分量对融合的不同影响，实验表明取得了较好的融合效果。     

一种多小波电容层析成像图像融合方法

针对电容层析成像系统的"软场"效应和病态问题对重建图像精度的影响,在分析电容层析成像基本原理和成像算法的基础上,基于滤波LBP和神经网络RBF特性,提出了一种基于多小波变换的ECT图像融合方法.该方法首先对待融合图像进行多小波分解,再分别采用最大值法和区域梯度法融合规则对分解后图像低频部分和高频部分进行图像的融合,最后经过多小波重构得到最终融合图像.仿真实验结果表明,融合后成像精确度得到明显提高,减少了误差,图像更接近原型,为ECT图像重建的研究提供了一个新的方法.