一种基于非抽样小波变换的模糊逻辑图像融合算法

提出了一种基于非抽样小波变换的模糊逻辑图像融合方法.该方法利用非抽样小波对红外与可见光图像进行多尺度分解变换,可分别得到原图像的高频子带系数和低频子带系数;低频子带系数的融合准则采用自适应模糊逻辑算法,高频子带系数的融合准则采用绝对值最大法,最后对融合后的各子带系数进行非抽样小波逆变换得到融合图像.仿真实验表明,该方法对红外与可见光图像融合效果好且运算处理速度更快.     

基于非采样Contourlet变换的图像融合算法

基于非采样Contourlet变换,提出了一种新的图像融合算法.对经非采样Contourlet变换后的低频子带系数采取基于区域清晰度的融合规则,对高频子带系数采取基于区域方差的自适应加权的融合规则.实验结果显示,本文算法在目视判别以及客观标准下优于其他基于多尺度分析的图像融合算法,可获得较理想的融合图像.     

遥感图像薄云覆盖下地物信息恢复算法

针对遥感图像薄云覆盖下地物细节模糊问题,给出一种融合对偶树复小波变换和支持向量滤波的遥感图像薄云覆盖下地物信息恢复算法.利用对偶树复小波变换和支持向量滤波器将薄云覆盖遥感图像分解为高频方向子带和低频子带;分别对高频方向子带系数进行自适应增强,对低频子带系数加以抑制;对不同方法处理后的低频系数采用基于匹配度的选择和加权相结合方法进行融合,对高频系数采用基于轮廓波对比度的方法进行融合,获得地物细节清晰的融合图像.实验结果表明,算法在视觉效果和定量指标上优于对偶树复小波变换方法和支持向量滤波方法.     

自适应Contourlet变换的多传感器图像融合

Contourlet变换克服了小波变换在处理高维信号时的不足,相对于小波变换具有较好的方向性、较高的逼近精度和较好的稀疏表达性能.因此将Contourlet变换用于图像融合,能更好的提取图像边缘特征,为融合提取更多的特征信息.利用Contourlett变换的多尺度和多方向性特征以及自适应融合规则在选取融合系数上的优势,提出了一种自适应Contourlet变换的多传感图像融合新算法.算法是将全色图像和多光谱图像进行Contourlet变换分解后,针对不同的频率域特点选择不同的融合规则,对低频系数选取区域能量的加权系数自适应融合规则,对高频系数特性选用了区域特征自适应的融合规则,最后通过重构得到融合图像.将其他的融合算法和本文所提算法进行了主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法.     

基于小波变换与LBP算子的遥感图像融合研究

提出一种新的基于小波变换与LBP算子相结合的遥感图像融合算法．该算法在源图像小波变换的高频子带内，利用局部LBP算子极大的方法得到小波重构高频系数，而低频系数则利用源图像小波分解后低频子带系数的非线性加权得到．然后由此高频和低频系数进行小波重构得到融合图像．实验采用可见光图像与SAR图像融合，结果表明这种方法可以很好地在保留源图像各自信息的同时融合源图像的细节信息，并且能够有效抑制源图像中孤立噪声点．     

基于小波变换区域的PET/CT医学图像像素级融合

为了使PET/CT医学图像融合达到更好的效果,讨论了小波变换和区域的最优融合方法。首先将PET图像和CT图像通过二维离散小波变换,得到低频子带和高频子带|其次采用邻域能量、邻域方差、邻域梯度3种算法对高频子带进行规范化,融合规则均选用绝对值取大的方法|然后选用取平均值的方法对低频子带进行融合,将融合后的PET/CT图像通过小波逆变换,获得最终的融合图像|最后对3种融合算法进行比较,得出最优算法。实验结果表明,基于邻域梯度的融合方法在客观评价指标和人眼视觉效果上均优于其它方法,且鲁棒性较强。     

基于DT-CWT和自适应PCNN模型的多聚焦图像融合方法研究

针对传统图像融合方法在多聚焦图像融合中存在细节丢失、边缘模糊和焦点不清楚等问题,提出一种基于双树-复小波变换（DT-CWT）优化显著性测度和自适应脉冲耦合神经网络（PCNN）模型的多聚焦图像融合方法。首先,将两张聚焦区域不同的输入图像使用双树-复小波分解成低频子带和高频子带;然后,对低频子带采用基于显著性测度的度量方法计算小波融合系数,对于高频子带,采用自适应PCNN模型计算触发时间来选取高频融合子带;最后,通过双树-复小波逆变换重构得到融合结果。与其他融合方法进行对比,结果表明,基于文章所提方法的融合图像更加自然清晰,具有较高的边缘保持度,同时保留了更多的细节信息,因此,此方法可以大大提高图像质量。     

基于Contourlet域的多聚焦图像融合方法

提出一种基于Contourlet域的多聚焦图像融合方法.对分解后的图像低频子带采用区域方差法进行处理,高频子带统计系数各方向邻域能量和作为融合依据,利用系数局部相似的特点进行同层的一致性处理.该算法可以减少融合图像边缘处的斑块模糊现象,提高融合质量.仿真实验结果表明,所提出的算法能够更好地提取原始图像特征,融合后的图像具有更好的主观视觉效果.     

基于Contourlet变换和PCA的人脸识别算法

为了减少光照、姿态变化对人脸识别的影响,提出一种基于Contourlet变换和PCA的人脸识别方法：首先利用Contourlet变换对人脸图像进行多尺度多方向分析,得到低频子带图像和高频子带图像,然后对分解后的低频子带和高频图像进行PC A分析,最后将提取出的低频特征以及高频统计特征组合成特征向量进行人脸识别。在orl人脸数据库和Yale人脸数据库上的实验结果证明：与PCA方法相比,该方法能够有效减少光照、姿态变化影响,提升人脸识别率。     

基于小波方法的超分辨率图像重建

提出了一种基于小波变换理论的超分辨率重建算法,即利用小波变换得到图像的高频和低频子带,结合非线性外推技术对高频子带进行处理,在增加高频子带信息量的同时进行迭代改进,并采用小波阈值方法进行去噪处理.实验结果表明：该算法能够克服以往插值算法的不足,如高频损失、细节模糊等,能很好地提高图像的峰值信噪比,是图像重建的一种有效方法.