基于小波变换的多聚焦图像融合算法

提出一种基于小波空间频率的多聚焦图像的融合算法,该方法是在小波多分辨率分析的基础上,采用小波变换后的系数去定义待融合图像中的清晰度测量指标.对于明显的清晰和模糊区域,直接选取清晰区域作为融合后的相应块区域.而对于清晰与模糊的边界区域,采用了基于像素的窗口空间频率的方法进行融合处理.融合结果表明,该方法是可行和高效的,且比其他图像融合方法具有更好的性能.     

PCA和小波在多聚焦图像融合中的应用研究

为了减少分块图像融合的块效应,提出了一种基于主成分分析与小波变换的图像融合算法。首先,将源图像分块,针对每小块利用主元分析高通滤波将图像块分为清晰块、模糊块和两者的交界区域;然后对于清晰块,直接选取该块作为融合后的相应块区域;对于介于两者之间的区域,采用小波方法进行图像融合。实验结果表明,该方法能够较好地解决多聚焦图像融合问题,融合效果较为理想。     

一种DE搜索块寻优的多聚焦图像融合算法

针对多聚焦图像,提出了一种DE（差异演化）搜索策略应用于图像融合子块寻优的算法,对同一场景两幅严格配准的源图像的清晰度恢复进行了深入研究。融合过程是首先将已经配准的源图像分割成若干个子块,然后采用一个清晰度评价函数选取清晰的图像块形成融合图像。该方法的创新之处在于,把图像子块的大小作为遗传染色体,经过交叉、变异和选择等操作,以便得到全局意义上的最优解。实验对比结果表明,该方法超过遗传算法和其它传统的多聚焦图像融合法。     

基于差异演化的多聚焦图像融合算法

多聚焦图像融合就是综合和处理多个源图像的信息,来获取对同一场景或物体的更为准确、更为全面、更为可靠的图像描述．对于可见光成像系统而言,特别是含有长焦距的光学镜头,对景深有一定的限制．因此,将场景中的所有物体都成像清晰是很难的,这个问题采用多聚焦图像融合技术可以很好解决．通过提出一种基于差异演化的多聚焦图像融合算法,首先将源图像进行分块,然后用清晰度评价函数比较对应图像块的清晰度,选择清晰度高的作为清晰图像块,最终重构融合图像．该方法的积极意义在于,优化后的图像块比没被优化的使用效果更佳．实验结果表明,从定量和视觉两方面评价,都明显优于遗传算法和其他传统的图像融合方法．     

基于小波变换的多聚焦图像融合

本文提出了一种新的基于小波变换的融合算法。此算法简单易行,既保留了图像的边缘特性和多聚焦图像的对比度特性,又有效地对两幅多聚焦的图像进行了融合。通过实验及结果分析,对这些方法保留图像的边缘特征和对比度特性进行了对比,得出了有益的结果。     

W-系统在多聚焦图像融合中的应用

针对多聚焦图像融合问题,提出了一种基于W 系统的多聚焦图像融合算法。W 系统是一类新的由分段正交多项式构成的正交函数系,它的正交性和多分辨性使相应的正交W 变换在图像表达时,能通过增加基函数数量得到图像的多尺度特征描述。该算法计算简单,时间复杂度较小,能消除融合图像的块效应,提高融合图像质量。试验结果表明,该算法在相关系数、信息熵和平均梯度三种评价指标上均得到了相应提高。     

一种有效的形态小波多聚焦图像融合算法

多聚焦图像融合的关键问题是如何更好地保持源图像的轮廓信息和细节信息。形态小波具有小波变换的多层次分解特性和形态学的非线性特性。提出了一种基于形态小波变换的多聚焦图像融合算法。根据形态小波分解信号的特点,分别对高频系数和低频系数设计不同的融合规则:高频系数采用方向相关方法,最大程度保留细节和细节信息的方向特性;低频系数采用加权平均方法,该方法轮廓明显,最大程度地保留了轮廓信息。实验结果表明:该方法融合图像效果优于传统图像融合方法。     

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.     

基于小波的SAR图像融合算法及性能评价

介绍几种基于小波变换的SAR图像的融合算法,利用多分辨小波变换的系数,采用低频图像的小波系数最大值作为融合后的低频系数,高频图像根据确定的融合规则,调整高频小波系数大小.并对融合图像质量进行了对比评价,得出了这几种融合方法的各自特点.实验结果表明,这几种方法能够在保留图像微小细节方面获得满意的结果.     

基于局部目标特征提取和NSCT变换的多聚焦图像融合算法

使用多聚焦图像融合(Multi focus image fusion,MFIF)方法的最终目的是增加LR多聚焦图像中的高频成分,该方法采用低分率(low resolution,LR)多聚焦图像恢复技术让高分辨率(high resolution,HR)多聚焦图像恢复.在IEDCNN参考模型的基础上采用多聚焦图像融合模型,并利用局部目标特征提取和NSCT变换相结合的动态模型结构,还在图像融合时引入了蚁群算法.经过实验表明:本文采用的方法比IEDCNN更具优势,尤其是图像融合效果,清晰度更佳,同时也让振铃效应得到了有效的抑制.     

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。     

基于迭代型形态成分分析的多聚焦图像融合

为了提高多幅多聚焦图像的融合质量,提出一种基于迭代型形态成分分析的特征加权融合算法。该方法利用形态成分分析正交性和稀疏性的特点,改进形成能够有效对源图像进行多尺度分解的迭代型形态成分分析方法;然后采用移动窗口计算方法对分解后的多尺度子图提取四维特征向量,用以反映子图的亮度、纹理规则性、光滑程度和随机性。此外,提出以四维特征向量的特征值作为权值,设计适用于两幅及以上多幅源图情况下的以特征权重作为判别依据的融合规则,并运用这一规则对复合子图进行逐层融合,最终通过多尺度逆变换得到融合图像。实验结果证明,与已有多尺度融合算法相比,新方法融合得到的图像具有更好的主观感受和更高的客观评价指标值。     

基于小波域图像融合的边缘检测算法研究

针对多聚焦度分析和部分有损图像分析中难以提前完整边缘信息的问题,提出了一种基于小波域图像融合的边缘检测算法。它是在小波变换多分辨率分析的基础上,运用图像融合及图像增强理论,使得小波子带边缘信息量最大化,再运用经典的Canny算子边缘检测算法最终实现图像边缘的检测。     

多分辨率图像融合方法的研究

图像融合是进行目标检测和识别的重要技术之一,广泛应用于军事、计算机视觉、医学以及其他领域.文章探讨基于多分辨率分解的像素级图像融合方法的设计,重点研究基于小波变换的融合算法的实现,经仿真取得较好的效果.     

NSCT 变换域上的异源图像融合算法研究

给出了一种在非降采样轮廓波变换域上融合可见光与红外图像的算法。分析了融合机理,确定了融合策略,对实测可见光和远红外图像进行了融合,试验结果表明本文算法优于现有流行算法,在生产实践中有应用价值。