一种自适应的小波方向对比度图像融合算法

对多传感器获得的图像序列进行图像融合,可以采用基于小波变换的多分辨率分析图像融合方法。首先,对两幅待融合图像进行小波变换,采用平均加权的方法来获得融合后的低频分量;采用一种基于图像对比度的自适应算法来获得融合后的高频分量。最后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数进行小波逆变换,最终得到具有原图像有用信息的融合图像。实验结果表明,这种算法可以很好地保留原图像的有用信息,是一种有效的图像融合算法.     

基于提升小波变换的多传感器图像融合算法研究

为了更好的进行图像融合,基于提升小波变换,采用了一种基于区域方差和方向对比度的融合规则相结合的图像融合新算法.该算法结合提升小波的优势,将图像进行多分辨率分解;针对变换后的低频分量和高频分量的不同特点,采用了不同的融合规则进行融合;最后通过提升小波逆变换得到融合图像.实验结果表明,该算法具有增强图像空间细节的能力,使得融合后的图像内容清晰,相比于传统小波变换法,具有更好的融合效果.     

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.     

小波包变换的图像融合技术的研究

图像融合技术是把同一目标的多幅图像融合成一幅高质量的图像.给出了一种基于小波包变换的图像融合方法.对两幅图像分别进行小波包分解,得到两幅图像的小波包分解系数,进一步对小波包系数进行分析和处理.对两幅图像低频波段的逼近系数取均值,对高频段选取绝对值大的小波包系数,得到融合系数矩阵.对融合数据进行小波包反变换,得到两幅图像的融合图像.使用该方法对两幅图像进行了融合,得到的融合图像汲取了两幅图像的优势,视觉效果较好.     

基于小波包的遥感图像融合新算法

提出了一种基于正交小波包的局域方差遥感图像融合新算法．该算法利用正交小波包变换,把图像分解成不同尺度的低频和高频部分,采用小波包局域窗口和子区域窗口统计,把小波包系数分类成边缘和非边缘系数．在融合处理中,把低频图像的小波包系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应图像小波包系数的多窗口区域方差,来确定融合后高频小波包系数．实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,有效且优于其他图像融合算法．     

非下采样离散小波变换多聚焦图像融合

图像融合在军事、医疗等领域有广泛的应用,图像融合技术是指采用特定的算法将两幅或者多幅图像融合成为一幅新的图像。针对离散小波变换图像融合算法中下采样环节在每次滤波后一半的系数被丢弃导致缺乏平移不变性,使得融合算法易受到源图像误配准影响的问题,提出了一种基于非下采样离散小波变换的图像融合算法,采用窗口融合规则,并对融合系数进行一致性检测,弥补下采样环节的不足,提高融合效果。通过对基于离散小波变换和基于非下采样离散小波算法的图像多聚焦融合仿真研究表明,非下采样离散小波变换算法具有平移不变性,而且具有较高融合图像互信息和峰值信噪比,融合效果优于离散小波变换图像融合算法。     

基于提升算法的超谱遥感图像融合分类研究

超谱遥感技术的发展对遥感图像处理算法提出了新的挑战,超谱遥感图像所特有的高光谱维数,使适用于多光谱图像的算法不适合直接用于超谱图像.利用数据融合技术可以将超谱图像从高维降到低维,因而有利于图像的分析和处理.提升算法是构造第2代小波的关键技术,该文研究了其用于超谱遥感图像融合分类的可行性,利用提升算法将第1代小波改造成第2代小波,并对标准的AVIRIS超谱遥感图像实现图像融合,在融合的同时,提取图像的光谱特征用于分类,在相同的实验标准下在像素层和特征层上分别对图像进行了第2代小波融合分类,并用分类精度对实验结果进行了客观的评价.实验结果表明,以提升算法构造的特征层小波融合分类比像素层分类精度提高了7.78%.     

基于整数小波变换的图像融合算法

图像融合技术是将同一对象的两个或更多的图像合成在一幅图像中,以便使它比原来的任何一幅图像更容易为人们所理解。成功地进行图像融合的关键在于找到有效实用的图像融合算法。本文提出了一种基于整数小波变换的图像融合算法,首先将待融合的源图像作多层整数小波分解,然后对各分解层分别实行融合处理得到新的小波系数矩阵,最后通过整数小波逆变换得到融合的图像。实验结果表明本算法具有很好融合效果和实用性。     

基于小波变换和邻域特征的多聚焦图像融合算法

提出了一种基于小波变换和邻域特征的多聚焦图像融合算法。该算法首先采用小波变换对源图像进行多尺度分解,得到低频和高频子图像;然后对低频子图像采用基于邻域归一化梯度的方法得到低频融合系数,对高频子图像采用基于邻域方差的方法得到高频融合系数;最后进行小波重构得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该算法与传统融合方法的融合效果进行了比较。实验结果表明,该算法所得融合图像的效果和质量均有明显提高。     

基于小波分析的图像融合方法的研究

图像融合是多传感器信息融合在图像处理领域的一个重要应用,小波分析具有多分辨等特点,可以有效地将特征明显、分辨率高的图像融合在一起,得到比任何一幅源图像效果都好的图像。论述了基于小波分析的图像融合的基本原理、方法和优点,介绍了基于小波分析图像融合、小波框架图像融合和多小波图像融合等方法,分析比较几种图像融合效果的评价方法及其适用范围等。     

一种基于特征提取的遥感影像融合法

介绍了目前遥感影像融合的几种常用方法,提出了一种基于影像特征信息提取的遥感影像融合算法.该算法先用小波提取影像边缘信息,然后将边缘信息加入到彩色影像中,试验结果证明,这种融合方法突出了影像边缘轮廓,利于图像的判读.     

基于小波变换的针叶苗木彩色图像分割

苗木图像分割是形态参数提取的前提条件。利用小波变换及分开-合并法实现了对苗木图像的分割。对图像的色度分量进行小波变换。其变换系数作为分开-合并法中区域一致性的度量。通过改变小波变换的尺度,可以将边缘与噪声区分开来,减小图像分割中噪声带来的影响,有利于提高分割的准确性。实验表明,该算法取得了满意的结果。     

小波分析在图像处理中的应用

简要介绍了小波分析的基本原理和分类,及其在图像处理中的应用。重点论述了小波分析在图像边缘检测,图像融和,图像消噪中的应用。并介绍了以小波分析为基础的人工神经网络是图像识别的一种很有前途的方法。     

一种基于MRF与区域合并的图像分割改进算法

针对现有基于马尔科夫随机场的图像分割算法容易出现过分割、分割结果不理想等问题,提出了一种基于马尔科夫随机场与区域合并的图像分割改进算法。该算法首先基于马尔科夫随机场与高斯混合模型理论的图像分割算法得到初始分割结果;然后利用各个区域间的相邻关系、颜色关系以及边界情况等信息,给出各个区域间的距离;最后按照区域间的距离与区域合并前后的颜色散度变化率对初始分割结果进行区域合并,输出最终的分割结果。使用伯克利标准图像库进行实验仿真,采用Dice系数和Jaccard系数作为评价指标。仿真结果表明,相比于现有基于MRF理论的算法,本文算法具有更好的分割效果。     

用M带小波变换实现图像的边缘检测

小波变换是一种时频域信号分析理论,是信号分析处理的一种强有力的新工具。文中根据小波变换特点和边缘的时频空特性,在Malat关于小波边缘提取理论的基础上,将二通道小波变换的边缘提取问题推广到M通道小波变换的边缘提取,讨论和分析了如何利用M带小波来获取边缘的方法和实现步骤。     

一种基于相关方法的改进小波图像去噪算法

传统小波阈值法去噪方法在阈值选取上存在不确定性,为解决这一问题,提出采用小波相关方法,对图像噪声进行处理。在进行小波变换时,首先基于小波多方向框架理论进行图像分割,通过对多方向组合进行小波变换,最后对小波重构结果取中值得到去噪图像。该方法在处理具有方向特征的图像时,可以很好地消除Gibbs效应,与传统方法相比去噪结果具有明显改善。     

Retinex和小波变换去除遥感图像云雾方法分析

基于遥感图像中的云和景物信息频率分布特征,介绍了改进的Retinex方法和小波变换两种去云方法的基本原理,并结合实验分析两种方法的优缺点。Retinex算法对较暗区域的图像处理有明显效果,改进的Retinex方法则是基于经典Retinex,对具有较高亮度的遥感图像通过图像变换方法达到去云的目的。小波变换方法是将图片进行适当层次的小波变换,增大低层细节系数,突出景物信息,减小高层细节系数,适当减小近似系数,最后将所有系数重构,得到重构图像。实验结果评价及数据表明:基于小波变换方法优于Retinex方法。     

基于小波分解和最大互信息的图像配准方法研究

研究了基于最大互信息图像配准的理论和实现算法,提出了将小波分解与之相结合的算法,证明了该算法优于基于最大互信息的图像配准。通过实验数据比较可以得出,提出的基于小波分解和最大互信息的图像配准的算法可以有效地提高配准的速度和具有较好的配准效果。     

基于小波变换的边缘检测

边缘特征是图像最为有用的高频信息。边缘检测在图像处理和计算机视觉中起着非常重要的作用。本文在简要介绍小波变换的基础上,给出了小波变换的边缘检测理论。边缘检测采用3次B样条小波。实验证明,利用小波变换提取的图像边缘效果明显优于sobel、canny等传统的边缘检测方法。     

自适应阈值的小波变换在纸病去噪中的应用

以图像噪声会影响下一步图像处理、分析及识别为启示,分析了常用的数字滤波算法优缺点,提出一种自适应阈值小波变换去噪方法．该方法根据含噪信号特性和信噪比,自适应地选择小波变换的最优分解层数和最佳软阂值,达到最优的降噪效果．仿真结果表明,这种算法在高斯噪声和椒盐噪声滤波能有效地滤除噪声,同时还能较好地保护图像细节,使图像达到更好的视觉效果．