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.     

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。     

基于contourlet变换和模糊理论的多聚焦图像融合

研究一种基于contourlet变换和模糊理论的图像融合新算法.首先,对源图像进行contourlet变换;再对contourlet系数中低频和高频部分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,高频部分采用区域能量最大的方法进行融合;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取得较好的融合结果.     

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。     

基于非子采样Contourlet变换的多聚焦图像融合

根据非子采样Contourlet变换同时具有多尺度、多分辨分析和平移不变性质的特点,提出一种基于非子采样Contourlet变换的多聚焦图像融合方法。实验中将文中方法与Contourlet变换、小波变换等方法进行比较,结果表明,文中方法得到的融合结果能很好地将源图像的细节信息融合在一起,拓宽NSCT的应用范围。     

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．     

小波分析在遥感图像融合中的模型研究

以高空间分辨率的全色图像与高光谱分辨率的多光谱图像进行像素级融合为例，详细地总结了小波分析在卫星多源遥感图像融合领域的融合模型及其优缺点，重点分析了各种常见小波变换融合方法的原理和应用条件，并归纳了用小波变换融合图像的基本步骤及其结果的主客观评价标准，最后讨论了小波分析在像素级融合目前存在的问题和结论。     

基于边缘保护滤波的多聚焦图像融合算法

针对当前现有的多聚焦图像的融合算法存在的诸多弊端,如关于未含有噪声的源图像的假设,或者在高频滤波的时候破坏了边缘特征等,本文提出了一种基于边缘保护滤波的图像融合算法。首先分析图像细节部分的特征各向异性,建立了可以同时去噪和融合的能量函数,再应用图像特征加权的融合规则,构建了基于能量函数的迭代求解方案。通过实验研究发现,该算法产生的残留噪声较少,结构的相似度与视觉融合水平均得到显著提高。     

基于小波变换的图像融合算法及性能评价

在阐述小波图像融合算法的基础上,针对小波分解后各频域融合算子和融合规则的选择,提出一种新的基于FPGA动态可重构的图像融合算法。该方法对小波分解后的图像低频子带采用平均融合算子处理,在高频子带的融合中依据小波系数树状结构特点提出了一种新的自适应融合方法,最后经过小波逆变换得到融合图像。核心算法集成到一片FPGA中实现,提高算法的实时性,降低系统的实际功耗,有效地减少融合图像的失真。对多组图像进行实验,实验结果表明,该方法是有效的。     

基于IHS变换和形态小波变换的遥感图像融合

针对多光谱图像与全色图像的融合,本文提出了一种基于IHS变换和形态小波变换的遥感图像融合方法。新方法首先对多光谱图像作IHS变换,得到亮度I,色度H,饱和度S三个分量;其次,利用形态小波变换融合方法融合多光谱图像的亮度分量与全色图像,并用融合后的图像代替多光谱图像的亮度分量;最后,作IHS反变换得到新的多光谱图像。主观视觉效果分析和客观统计参数分析评价分析表明,新方法的性能优于IHS变换融合、小波变换融合方法,不仅较大地增强了融合图像的空间细节表现能力,而且很好地保留了多光谱图像的光谱信息。     

基于结构相似性的多源图像融合

对源图像进行小波分解,得到图像分解后的高频系数和低频系数,并且计算源图像的结构相似性。对于低频系数采用系数绝对值取大法进行融合;对于高频系数依据相似性大小对其进行融合,如果相似性大于设定阈值,则高频系数采用系数绝对值取大法,否则采用计算像素点边缘强度法进行融合,对融合后的系数进行小波逆变换得到融合图像。实验结果表明,该方法有效地综合了源图像中的重要信息,融合图像边界清晰,得到更好视觉效果和更优的评价指标,融合效果优于对比实验中的小波方法。     

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。     

基于主成分分析变换和提升小波的图像融合

为了将低分辨率多光谱图像和高分辨率全色图像有效地融合,提出了主成分分析(PCA)变换和提升小波相结合的融合方法。小波提升后选用不同的融合规则对高低频成分进行融合,并与PCA+DWT和HSV+LWT融合法进行了比较,实验结果表明,该方法较好地保留了多光谱图像的光谱特性,提高了空间分辨率。     

一种自适应多尺度分割结果融合新方法

在基于HMT模型进行图像分割的方法中,多尺度分割结果融合的好坏直接影响了最终分割结果的优劣。针对现有的基于单一背景向量的融合方法难以合理利用多种背景信息优势的问题,提出了一种基于模糊逻辑的多尺度分割结果融合的新算法。此算法在多尺度粗分结果的不确定性的基础上,根据分割过程的特点,自适应地利用不同类型背景信息的优点,在分割的不同阶段形成具有不同背景描述能力的背景模型,从而较好的指导分割。一组实验从主观视觉和客观标准两个方面证明了该方法的有效性。