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NSCT域多聚焦图像融合新方法

针对多聚焦图像融合存在的问题,提出一种基于非下采样Contourlet变换（NSCT）的多聚焦图像融合新方法。首先,采用NSCT对多聚焦图像进行分解;然后,对低频系数采用基于改进拉普拉斯能量和（SML）的视觉特征对比度进行融合,对高频系数采用基于二维Log-Gabor能量进行融合;最后,对得到的融合系数进行重构得到融合图像。实验结果表明,无论是运用视觉的主观评价,还是基于互信息、边缘信息保留值等客观评价标准,该文所提方法都优于传统的离散小波变换、平移不变离散小波变换、NSCT等融合方法。     

基于小波变换的STM图像处理

根据扫描隧道显微镜(STM)的特点,阐述了将小波变换应用于扫描隧道显微镜的降噪、增强及融合的方法,对于STM扫描获得的石墨原子图像,选用不同的小波基函数和分解层数进行分解和重构,结果表明,利用小波变换对扫描隧道显微镜图像进行处理是有效的、可行的,图像质量得到了明显提高。     

多聚焦宫颈细胞图像融合方法

由于显微镜物镜焦深范围小,随着放大倍数的增大,景深会相应减小,只有那些在聚焦平面或其附近的物体才是可见的.本文提出了一种基于小波分解的多聚焦宫颈细胞图像融合算法,利用小波变换获取原始图像的小波系数,利用不同的融合规则和融合算子构造融合图像的小波系数,利用一致性校验得到最终的融合结果,解决了宫颈细胞不能在一幅图像中完全聚焦清晰的问题.     

无需重构的多分辨率图像融合算法(英文)

提出了一种基于平稳小波变换的多聚焦图像融合算法。首先对待融合图像进行平稳小波分解,得到图像尺寸相同的低频分量和高频分量,然后对低频分量使用拉普拉斯能量进行清晰度判断,对于高频分量,则先计算其各个尺度,不同方向高频分量的绝对值和,进而通过能量特征判断其清晰度,最后通过比较低频分量和高频分量清晰度决策图的相同和相异性得到融合图像。计算机仿真实验表明,本文算法得到的融合图像清晰度较好,熵、平均梯度、空间频率和互信息等客观评价指标值高于平均法和传统基于小波变换的图像融合算法,互信息量比文献[3]中的方法提高了约2.4倍,是一种有效的多聚焦图像融合算法。     

基于Curvelet变换的多聚焦图像融合方法

由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像.多聚焦图像融合技术可有效地解决这一问题.在分析了传统多聚焦图像融合方法和Curvelet变换的原理后,提出了一种基于Curvelet变换的多聚焦图像融合方法,先对不同聚焦图像分别进行Curvelet变换,采用低频系数取平均,高频系数取大的融合规则,再进行Curvelet反变换得到融合结果.仿真试验表明,基于Curvelet变换的融合方法可有效综合多聚焦图像,相比小波变换法,获得了更好的融合效果.     

双正交小波变换多分辨率图像融合方法

为了避免常规正交小波变换所引起的图像边缘失真,特别采用了双正交小波变换进行图像的多分辨率分解。在融合处理时,为了获得更丰富的细节和更好的融合效果,对不同分解层、不同方向上的高频分量以及同一分解层图像中的不同区域均采用不同的融合算子。实验结果表明,该融合方法和融合规则是十分有效的,融合后图像的边缘和纹理细节都更加突出。     

基于小波变换的图像融合方法研究

图像融合是多传感器信息融合的一个重要分支,小波变换是这一领域研究方法上的重大突破。本文通过对小波变换理论的研究,分析了二维离散小波分解与重构的算法,提出了一种高频小波系数直接替换的算法,并利用MATLAB数学分析工具环境实现全色图像和多光谱图像的融合,实验结果表明这种方法能很好地增强图像的光谱分辨率,便于对图像进行分析和识别。     

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.     

改进的Shearlet变换耦合频率特征的图像融合算法

目的解决当前图像融合算法大都直接在图像的像素灰度空间上进行融合,导致融合图像存在视觉效果差及算法鲁棒性不强等问题。方法文中提出改进的Shearlet变换耦合频率特征的多聚焦图像融合算法。将Shearlet变换(ST)和非下采样小波变换(NSWT)进行融合,形成改进的Shearlet变换(ST-NSWT)对源图像分解,获取图像的低、高频子带系数;构建区域能量模型,对源图像之间的低频子带系数进行相关性度量,完成低频子带的融合;对高频子带的频率特征进行分析,建立方差模型、平均梯度模型、空间频率模型,分别对源图像的灰度相关性、清晰度相关性及活跃度相关性进行测量,完成高频子带的融合,最后通过ST-NSWT逆变换,输出融合图像。结果与当前多聚焦图像融合算法相比,文中算法融合的图像能较好地保留更多的细节及边缘信息,使融合图像具备更佳的视觉效果。结论所提算法具有更好的融合质量,可用于遥感探测与包装印刷检测等领域。     

Fuzzy Based Hybrid Focus Value Estimation for Multi Focus Image Fusion

Due to limited depth-of-field of digital single-lens reflex cameras, the scene content within a limited distance from the imaging plane remains in focus while other objects closer to or further away from the point of focus appear as blurred (out-of-focus) in the image. Multi-Focus Image Fusion can be used to reconstruct a fully focused image from two or more partially focused images of the same scene. In this paper, a new Fuzzy Based Hybrid Focus Measure (FBHFM) for multi-focus image fusion has been proposed. Optimal block size is very critical step for multi-focus image fusion. Particle Swarm Optimization (PSO) algorithm has been used to find optimal size of the block of the images for extraction of focus measure features. After finding optimal blocks, three focus measures Sum of Modified Laplacian, Gray Level Variance and Contrast Visibility has been extracted and combined these focus measures by using intelligent fuzzy technique. Fuzzy based hybrid intelligent focus values were estimated using contrast visibility measure to generate focused image. Different sets of multi-focus images have been used in detailed experimentation and compared the results with state-of-the-art existing techniques such as Genetic Algorithm (GA), Principal Component Analysis (PCA), Laplacian Pyramid discrete wavelet transform (DWT), and aDWT for image fusion. It has been found that proposed method performs well as compare to existing methods.

     

一种子带杂交多算子图像融合算法研究

提出了一种新的多传感器图像融合算法。该算法综合考虑小波同层各子带及相邻层子带分解系数的特征,采用基于图像空间能量窗测度的自适应多算子规则构造融合图像。对可见光与红外图像、可见光与毫米波图像融合试验结果表明,融合图像含有更丰富的信息量,有效地保留了输入图像的互补特征信息。     

基于多策略的多聚焦图像融合方法

针对多聚焦图像融合,在小波变换基础上提出了一种多策略的融合方法.图像小波变换后的低频分量采用基于清晰度的方法,清晰度评价函数选用八邻域拉普拉斯算子和;而高频分量采用基于空间频率的方法,并且只计算与高频方向相一致的空间频率,减小了计算量.融合效果评价除使用传统方法的熵、交叉熵外,还使用了基于三个方向(水平、垂直和对角)的空间频率和通用的主观与客观相结合的新方法.实验结果表明,本文方法得到的融合图像效果最好,优于文中的其它算法,同时本文使用的评价方法也是适用和有效的.     

基于多目标粒子群算法的多传感器图像融合

针对图像融合中参数优化的问题,提出了一种基于多目标粒子群优化算法的多传感器图像融合方法。首先采用非采样Contourlet变换(NSCT)对源图像进行多尺度、多方向分解;然后选取图像融合的客观评价指标为优化目标函数,采用多目标粒子群优化算法对低频系数的融合参数进行优化,带通方向子带系数采用取绝对值最大的融合规则;最后通过NSCT逆变换得到融合图像。分别对多聚焦图像融合和红外与可见光图像进行融合实验,并对融合图像进行主客观评价,实验结果表明,得到的融合图像具有较好的主观视觉效果和客观评价指标。