多个小波基联合的多聚焦图像融合方法

提出了一种利用多个小波基联合的多聚焦图像融合新方法.该方法首先用每个小波基对源图像进行基于局部能量的融合,得到多幅初级融合图像,然后对初级融合图像在空间域内再进行基于局部方差加权平均融合,得到最终融合图像.实验结果表明,该方法比传统的单小波基融合方法具有更好的融合效果.     

基于分形特征和平均梯度的多聚焦图像融合

研究了基于分形特征和平均梯度组合加权的多聚焦图像融合方法。针对单一特征只能表达图像的部分属性,难以得到理想融合结果的问题,在多尺度变换的基础上,提出了基于分形特征和平均梯度组合加权的图像融合算法。对多聚焦图像进行了融合处理,实验结果表明,该算法优于一些基于单特征的融合算法,进一步提高了融合图像的质量。     

多个小波基联合的多聚焦图像融合方法M

提出了一种利用多个小波基联合的多聚焦图像融合新方法。该方法首先用每个小波基对源图像进行基于局部能量的融合,得到多幅初级融合图像,然后对初级融合图像在空间域内再进行基于局部方差加权平均融合,得到最终融合图像。实验结果表明,该方法比传统的单小波基融合方法具有更好的融合效果。     

一种基于形态学梯度的多聚焦图像融合方法

多聚焦图像融合作为信息融合的一个重要分支,广泛应用于计算机视觉、医学诊断、数字成像等领域。文中针对现有融合算法存在融合图像易出现“块效应”等问题,提出了一种基于形态学梯度的多聚焦图像融合方法。该算法首先对源图像进行形态学梯度测量得到对应的得分矩阵,然后对得分矩阵进行四叉树分解得到初始分割图。进而利用形态学滤波和小区域滤波,除去边缘信息和小洞得到期望的决策图。实验测试表明,文中提出算法相对于现有的算法在结构相似度、峰值信噪比等定量指标上皆有较好的表现。     

基于多小波变换的区域方差图像融合方法

提出了一种基于多小波变换的区域方差融合方法。首先对参与融合的两幅图像进行多小波多尺度分解,得到两个金字塔结构的分层信息。然后分别在变换域的各层对小波系数进行融合:低频信息采用加权平均算子进行融合;高频信息采用一种基于区域方差的多子带联合判决的融合规则进行融合,最后重构得到融合图像。实验结果的主客观评价分析表明,该方法的融合性能比基于单小波的融合方法的融合性能好。     

基于小波分解的多聚焦图像融合研究

研究基于小波分解的多聚焦图像融合算法,对源图像进行小波分解,采用不同融合规则构造融合图像的小波系数,最后逆小波变换重构融合图像,比较各种融合规则的特点,最后通过均方根误差,峰值信噪比、熵、互信息熵这些评价函数进行定量分析,结果表明,对于低频部分采用加权方法较好,对于高频部分采用方差对比法或能量对比法对高频部分的细节信息融洽效果较好。     

结合SML与差分图像的多聚焦图像融合算法

针对传统多聚焦图像融合算法中融合边缘出现模糊、伪影等问题,提出了一种结合改进拉普拉斯能量和（SML）与差分图像的多聚焦图像融合算法。首先,为了提取源图像的聚焦特征信息,分别通过SML和滤波差分进行聚焦度量,再采用引导滤波获得更多的细节特征;接着,利用像素最大值规则生成初始融合决策图,再对初始融合决策图进行小区域去除消除因聚焦和散焦区域相似造成的噪点,并对融合决策图进行不一致处理,获得更精确的聚焦区域;最后,由逐像素加权平均规则,得到融合图像。实验结果表明,所提出的算法在主观视觉效果和客观评价指标上均优于对比算法,互信息、特征互信息、图像梯度特征在彩色图像上分别提高了0.17%、0.38%和0.11%,在灰度图像上分别提高了0.7%、0.69%和0.33%,并且平均运行时间少于0.5 s,具有较高的计算效率。此外,该算法能够较好地保留源图像信息的完整性,融合图像边缘清晰、无伪影。     

改进的基于稀疏表示的多聚焦图像融合

针对基于稀疏表示(Sparse Representation,SR)的融合算法存在冗余性和残余量丢失,提出一种改进的基于稀疏表示(Improved Sparse Representation,ISR)的多聚焦图像融合算法。该算法通过对源图像块去平均后再进行稀疏分解,解决了信息冗余问题;对稀疏表示中的残余量进一步采用小波变换进行融合,保证了信息的完整性;采用加权平均的融合规则,从而获得更多的信息量。实验结果表明,与其他的方法相比,本文提出的算法能实现更好的性能。     

基于Q-Shift DT-CWT的多聚焦图像融合研究

提出了一种基于Q-Shift双树复小波变换的多聚焦图像融合算法.根据多聚焦图像的成像特点和变换后的高低频系数相关性,对高频系数采用＂模值绝对值和取大＂和对低频系数采用＂局部区域标准方差取大＂的融合准则,并对高频融合系数进行一致性检测,以实现尽可能直接选择源图像中的清晰区域系数作为融合图像对应位置的系数.实验结果表明,该融合方法获得了很好的融合效果,与小波变换相比,充分显示了近似的平移不变性和良好方向选择性等特性.     

基于小波变换和彩色变换的多聚焦图像融合

提出一种结合小波变换及彩色空间变换的多聚焦图像融合方法。首先把彩色图像从RGB空间变换到YIQ空间,将颜色分量与亮度分量进行分离,从而克服RGB空间各颜色分量的相关性造成融合后图像颜色信息的丢失和错乱;接着,将待融合的多聚焦图像进行小波分解以刻画图像的多尺度信息,在小波域实现融合处理。在融合策略的选取上,对高频分量与低频分量分别采取局部方差与局部梯度最大的融合规则,同时以亮度分量Y作为衡量标准,通过一致性检测对融合系数做进一步的优选,以保持融合后图像的区域连续性。实验表明,该方法的融合结果无论在视觉质量及定量指标上都明显优于传统方法。     

一种改进的基于区域梯度——能量的图像融合方法

针对区域梯度法、区域能量法重构图像峰值信噪比较低、均方根误差较高的现象,提出了一种改进的基于区域梯度-能量的压缩感知图像融合方法。该方法首先构造正交小波变换矩阵,并使用小波变换使图像稀疏化,然后采用哈达玛矩阵作为测量矩阵对稀疏信号进行测量得到测量值,分别计算测量值对应的梯度值及能量值,依据绝对值取大法及加权平均法对测量值进行融合,最后对融合后的测量值进行图像重构。实验结果表明,该方法比单独使用区域梯度法或区域能量法具有较好的图像融合效果。     

基于DT-CWT的多聚焦图像的融合

由于离散小波变换在图像融合中的缺陷,提出基于双树复小波变换的图像融合方法。首先对源图像进行双树复小波变换,对低频和高频分别采用局部窗口能量比和局部梯度比作为融合相关性测度,然后基于加权和选择相结合的规则融合高频系数和低频系数,得到各频域系数,最后复原图像。实验结果表明,双树复小波变换的融合方法具有良好的客观评价性能和主观视觉效果,融合规则的可行性。     

一种图像融合的新方法

在众多图像融合算法中,不存在完美的算法,每一种算法都具有优点和不足。本文针对这一问题提出一种新的图像融合方法,即图像二次融合,通过对两种算法的融合结果再进行一次简单的像素选择得到最终融合图像。图像二次融合可以综合算法的优点,弥补之间的不足,获得更好的融合效果。实验表明,该方法获得的融合结果优于单一算法。     

小波分析在多聚焦图像融合中的应用

多聚焦图像融合是图像融合领域的一个重要分支,小波分析方法使得多聚焦图像融合研究取得了重大发展。首先说明了多聚焦图像融合的概念和一般融合方法,然后介绍了图像的小波分解原理,采用小波分析进行图像融合的步骤以及不同的融合规则。最后介绍了融合效果的评价标准,并通过仿真实验进行了定量的分析和比较,得出了结论。     

基于对比度的小波图像融合算法研究

图像融合可以集成多个源图像中的冗余和互补信息,增加图像理解的全面性,获得对同一场景的更为准确可靠的图像描述。传统的小波图像融合方法的融合规则是分别对低频和高频系数进行处理,忽略了两者之间的联系。本文提出利用对比度将高频系数和低频系数的处理联系起来,并以对比度作为度量系数取舍的准则进行图像融合。实验仿真研究表明,本文提出的算法很好地保留了多幅源图像的有用信息,是一种有效的图像融合算法。     

Performance evaluation of multi-focus image fusion based on IPS

This article puts forward a novel performance evaluation of multi-focus image fusion. As is well known, the automatic performance evaluation of multi-focus image fusion is an important problem in digital image processing. So far, there are no satisfied methods could solve the problem well. Improved point sharpness (IPS) addressed this issue preliminary. This method comes from the idea of point sharpness. Compared with conventional performance evaluation methods, the new method could produce better results.     

基于多分辨奇异值分解的多聚焦图像融合

提出了一种多分辨奇异值分解（MSVD）的新框架,并把它应用于多聚焦图像融合中.首先,基于分块算法原理,利用奇异值分解获得具有不同分辨率的一幅近似和三幅细节图像.然后结合重构算法,给出了图像的融合框架.其次,对比基于离散小波变换（DWT）的融合算法,基于MSVD的融合效果更好,而且 MSVD的基向量只依赖于图像本身而不像小波需要固定的基.最后,采用客观性能指标对结果图像进行评价.实验结果表明,本文的方法不仅简单易行,而且图像表现出良好的视觉效果,清晰度和空间频率都有很大提高.     

基于空域图像局部多向梯度模的图像融合方法

针对传统像素级图像融合方法割裂像素间联系的问题,提出了一种基于局部多向梯度模的图像融合方法:先对源图像进行分块,然后用方向导数构造的多向梯度滤波器组对图像块进行多向梯度滤波,从而提取出不同方向的边缘特征,通过比较对应块图像总的梯度模的大小来判断属于清晰还是模糊的像素,以此达到融合图像目的。通过实验,证明了该方法简单、有效,对于多聚焦图像的融合具有很好的效果和很好的稳定性。     

基于边缘检测的多聚焦彩色图像融合算法

针对左聚焦和右聚焦彩色图像的融合问题,设计了一种基于边缘检测的彩色图像融合算法。首先将彩色图像转换为NTSC图像,再利用Canny方法检测出亮度信息图像的最优边缘,然后对亮度信息图像的边缘部分采用平均法进行融合,其余部分采用相关系数的权值法进行融合,最后将融合之后的饱和度图像、亮度图像和色调图像转换为彩色图像。从融合效果来看,文中算法能够将两幅左右聚焦的彩色图像融合成一幅信息量饱满且清晰的单一聚焦彩色图像。实验结果和信息熵客观评价结论表明,该彩色融合算法能够将信息熵提高2.13%～2.51%。