基于二代curvelet与wavelet变换的自适应图像融合

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于二代curvelet与wavelet变换的自适应图像融合算法。首先对源图像进行快速离散curvelet变换,得到不同尺度与方向下的粗尺度系数和细尺度系数;根据红外图像与可见光图像的不同物理特性以及人类视觉系统特性,对不同尺度与方向下的粗尺度系数和细尺度系数采用基于离散小波变换的图像融合方法,在小波域中,对低频系数采用基于红外图像与可见光图像的不同物理特性的自适应融合规则,对高频系数采用基于邻域方向对比度与局部区域匹配度相结合的自适应融合规则,然后进行小波逆变换得到融合的curvelet系数;最后,进行快速离散curvelet逆变换得到融合图像。实验结果表明,该方法能够更加有效、准确地提取图像中的特征,是一种有效可行的图像融合算法。     

基于contourlet变换和模糊理论的图像融合算法

提出一种基于Contourlet变换和模糊理论的红外与可见光图像融合算法。首先,对源图像进行Contourlet变换;随后对低频和高频的小波系数采用不同的融合规则,即低频部分采用基于模糊集的自适应加权融合方法,高频部分采用基于区域小波能量加权的方法;最后再通过contourlet逆变换,获得融合图像。实验结果表明该算法能够较好地保留源图像的细节信息,具有较好的视觉效果,是一种有效实用的方法。     

一种像素级多算子红外与可见光图像融合方法

给出了一种新的基于多尺度分解的像素级图像融合方法。该方法利用小波变换对每一图像进行多尺度分解,按照不同的融合规则,采用多种融合算子去构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像。该方法被成功地用于红外与可见光图像的融合处理。实验结果表明该融合方法十分有效,获得的融合图像更符合人们的视觉特性、更有利于机器视觉。     

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。     

基于Laplacian算子的小波变换图像融合算法

针对传统融合算法在图像融合时,不能很好地保留源图像信息和边缘信息的缺点,提出了一种基于Laplacian算子的小波变换图像融合算法。该算法利用小波变换对图像进行分解,分解后得到图像的低频系数和高频系数;对高频系数采用基于对两个Laplacian模板算子卷积结果相比较并进行筛选的融合规则;对低频系数采用基于拉普拉斯清晰度评价函数和8邻域局部方差相结合的融合规则;最后进行小波逆变换得到融合图像。对实验结果结合主观和多种客观评价方法进行分析。结果表明,该改进算法与传统融合算法相比融合效果更好,融合图像具有边缘信息丰富、图像清晰度高等优点。     

一种改进的含噪图像边缘检测算法

数字图像边缘检测是图像分割、识别等图像分析和理解领域中的重要基础。针对图像边缘检测中噪声抑制与细节保留之间的矛盾,提出了一种基于小波变换和数学形态学改进的含噪图像边缘检测算法。该算法对含噪图像分别采取小波变换法和数学形态学法进行边缘提取,将所得图像进行小波分解,对高低频系数分别采取不同融合规则进行融合,通过逆小波变换得到融合图像。通过实验对比不同算法对含噪图像的边缘检测效果图,结果表明,该算法提取的图像边缘轮廓信息连续完整,在较大程度上能够抑制噪声,较好地保留了图像的细节信息。     

基于小波域的彩色图像自适应水印算法

提出了一种小波域下,基于小波零树结构的彩色图像水印嵌入算法。该算法通过选取对彩色图像视觉效果影响较小的色彩空间进行水印的嵌入,使嵌入水印的图像透明性较好;通过对原始图像和水印图像分别进行不同级别的小波变换,自适应地选取原始图像小波重要系数,将水印图像小波系数以一定的方式嵌入进去,使图像具有很好的稳健性及抗压缩性;水印的恢复只借助少量密钥信息。实验结果表明该算法是有效和可行的。     

基于双树复小波变换的多聚焦图像融合方法

针对同一场景的多聚焦图像融合,提出了一种基于双树复小波变换(DT-CWT)的图像融合新算法.首先利用DT-CWT对图像进行多尺度和多方向分解,并根据双树复小波分解域各子带的系数特性定义了图像局部方向对比度,然后针对高频分量系数的选择,采用基于方向对比度的融合规则,而在低频域采用图像清晰度为测度的融合策略.实验结果表明,该算法能够很好地将多聚焦图像中的重要信息提取并注入到融合图像中,与其他方法相比较,取得了更好的融合效果,提高了融合图像的质量.     

基于小波变换的图像融合算法研究

图像融合是改善图像质量的一个重要途径,传统算法难以正确地对图像进行有效融合。为了提高图像融合的质量,提出一种基于小波变换的图像融合算法。首先对2幅原始图像进行小波变换,提取它们的小波系数,然后采用不同的规则对不同层次的小波系数进行融合,并采用小波变换对融合的系数进行融合,最后采用不同类型对图像融合结果进行测试和分析。结果表明,小波变换融合后的图像更加自然、清晰,提高了图像的信噪比,并且图像融合速度明显加快,获得了比对比算法更加理想的图像融合效果。     

基于冗余小波变换的灰度多聚焦图像融合方法

为弥补Mallat算法正交变换的缺陷以及获得更为有效的图像融合方法。文中给出了一种基于冗余小波变换的灰度多聚焦图像融合算法进行图像融合,选取不同焦点的灰度源图进行冗余小波变换。根据高低频系数特点,分别引入区域向量范数和局部对比度的概念,构建新的融合规则的算法。实验证明与其他融合算法相比文中算法具有更好的有效性与准确性。     

基于非亚采样Contourlet和SWT的多光谱图像和全色图像的融合算法

该文研究了多尺度几何分析工具非亚采样Contourlet变换(NSCT),提出一种新的全色图像和多光谱图像融合的方法。该方法首先对全色图像和进行过IHS变换的多光谱图像的亮度分量进行NSCT变换,对于二者的低频近似系数再进行平稳小波变换(SWT)并融合,进一步提高融合图像的空间信息量,对于高频细节系数,采用基于局部平均梯度的方法进行融合,经过逆NSCT得到融合图像。实验结果表明,该文提出的方法在保留多光谱图像的光谱信息的同时,增强了融合图像的空间细节表现能力,提高了信息量,并且优于传统的基于IHS变换、小波变换、双树复小波变换及Contourlet变换的融合方法,该方法是有效可行的。     

Image denoising with anisotropic bivariate shrinkage

This paper presents a novel image denoising algorithm based on the modeling of wavelet coefficients with an anisotropic bivariate Laplacian distribution function. The anisotropic bivariate Laplacian model not only captures the child-parent dependency between wavelet coefficients, but also fits the anisotropic property of the variances of wavelet coefficients in different scales of natural images. With this statistical model, we derive a closed-form anisotropic bivariate shrinkage function in the framework of Bayesian denoising and a new image denoising approach with local marginal variance estimation based on this newly derived shrinkage function is proposed in the discrete wavelet transform (DWT) domain. The proposed anisotropic bivariate shrinkage approach is also extended to the dual-tree complex wavelet transform (DT-CWT) domain to further improve the performance of image denoising. To take full advantage of DT-CWT, a more accurate noise variance estimator is proposed and the way the anisotropic bivariate shrinkage function applied to the magnitudes of DT-CWT coefficients is presented. Experiments were carried out in both the DWT and the DT-CWT domain to validate the effectiveness of the proposed method. Using a representative set of standard test images corrupted by additive white Gaussian noise, the simulation results show that the proposed method provides promising results and is competitive with the best wavelet-based denoising results reported in the literature both in terms of peak signal-to-noise ratio (PSNR) and in visual quality.     

基于DT-CWT的红外与可见光图像自适应融合

针对低可见光图像和红外图像的特点,提出一种基于DT-CWT的自适应图像融合算法.该算法具有好的平移不变性和方向选择性,更适合于人类视觉.先对源图像作双树复小波变换,充分考虑各尺度分解层的系数特征,对低通子带引入免疫克隆选择,根据统计评价准则定义亲和度函数,自适应获得最优融合权值;对高通子带则根据人类视觉特性定义局部方向对比度,并作为融合准则,突出和增强了各源图像的对比度与细节信息.实验结果表明:与基于小波的融合结果相比较,本文的融合算法自适应性和鲁棒性更强,较好地保护和显示了源图像中的边缘和细节信息,对比度和清晰度都有所提高.     

一种基于Curvelet变换的图像融合新算法

基于Curvelet变换提出了一种新的融合算法.首先将图像进行Curvelet 变换,然后对粗尺度系数和细尺度系数采用不同的融合规则将Curvelet 系数融合,最后进行重构得到融合结果.对得到的融合图像进行了主客观评价和对比,实验结果表明,本文方法得到的融合图像,在熵、均方误差(MSE)、峰值信噪比(PSNR)和相似度等客观指标上都优于其他方法.     

一种基于Curvelet变换多传感器图像融合算法

综合分析了Curvelet变换的特性,并提出了一种基于Curvelet变换的多传感器图像融合算法。首先采用Curvelet变换将源图像分解到不同尺度、方向频带范围内,然后采用不同的融合规则得到融合后图像的Curvelet变换系数,最后再进行Curvelet逆变换得到融合图像。采用多组具有不同特征的源图像进行了融合实验,并对融合图像进行了主客观评价。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,该算法能够有效避免“人为”效应或高频噪声的引入,得到具有更好视觉效果和更优量化指标的融合图像。     

基于双广义高斯模型和多尺度融合的纹理图像检索方法

纹理因素是描述图像的重要特征之一,为了准确地刻画纹理特征,增强图像的区分能力,该文提出一种基于双树复数小波域统计特征的纹理图像检索方法。首先对图像采用双树复数小波变换得到各子带系数,由于系数存在细微不完全对称分布特性,将其建模为双广义高斯模型。其次,因为各子带系数之间不完全独立也不完全冲突,存在不确定关系,所以采用模糊集合和证据理论(FS-DS)的方法,融合各子带系数特征。最后,对Brodatz和彩色纹理图像库进行仿真实验,并与多种统计建模的方法相比较。结果表明,该方法有效地提高了纹理图像的平均检索率。     

结合向导滤波与复轮廓波变换的多聚焦图像融合算法

多聚焦融合在图像识别和分析中具有非常重要的地位。为了有效地保留源图像的细节,克服变换域算法由于空间不连续性产生的人造纹理和灰度不均衡。该文结合复轮廓波时频分离的优点和向导滤波的特点提出了一种基于向导滤波的复轮廓波域多聚焦图像融合算法。首先,对源图像进行复轮廓波分解,其次对分解的低频系数进行基于向导滤波的均值融合策略,然后对分解的高频系数进行基于向导滤波的改进拉普拉斯能量和模取大的融合策略,最后通过复轮廓波反变换得到融合后的图像。实验结果表明,该算法利用向导滤波显著的提升了变换域融合算法的空间连续性,不仅可以获得良好的视觉融合效果,而且其客观评价指标也得到了提升。      

基于CRF预分割和NSCT的多聚焦图像融合

针对基于多尺度分解的图像融合算法在提高图像模糊区域质量的同时却降低了清晰区域质量的问题,提出了一种结合CRF预分割与NSCT的多聚焦图像融合算法.该算法首先利用条件随机场概率模型对图像进行预分割,将图像预分割为清晰区域、模糊区域和两者的交界区域;然后对图像进行NSCT分解,低频子带系数采用加稀疏约束的非负矩阵分解算法融合,高频子带系数,在交界区域采用方向特征对比度的方法融合,在非交界区域选取清晰度高的系数融合.最后经NSCT逆变换得到最终的融合图像.该方法的融合效果在提高了图像清晰度的同时又有效保持了图像的边缘信息.