一种基于小波变换的图像融合改进算法

提出了一种基于小波变换的图像融合改进算法,该算法对多源图像进行小波分解,并针对分解后的低频分量和高频分量各自的特点,选用不同的融合规则进行融合,即低频分量采用局部均方误差加权平均的方法,高频分量采用区域能量比的加权融合规则.实验结果表明,无论是从主观分析还是客观统计参数评价,本文方法的融合图像效果最好,优于文中的其他算法.     

基于正则化模型的K-SVD算法及其应用

提出一种基于正则化方法的K均值奇异值分解（K-SVD）算法。新算法在更新字典阶段,建立一种正则化模型,针对经典K-SVD算法中每次原子更新,引入正则项参与字典更新过程,将每次更新原子所产生的误差限制在设定范围内完成原子更新。在K-SVD算法正则化模型基础上,对K-SVD的衍生算法近似K-SVD(Approximate K-SVD)进行了研究,提出了适用于AK-SVD的正则化模型。实验结果表明,新模型训练字典的误差相较于传统算法缩小了13.8%。将训练字典用于图像去噪时发现,新模型下字典重构出图像的峰值信噪比（PSNR）比传统算法提升0.5dB左右。     

基于拉普拉斯金字塔改进的图像融合方法

改进传统的拉普拉斯金字塔融合图像方法,对源图像进行一系列层层递进的处理,而非传统算法直接对源图像进行拉普拉斯变换,与经过处理后的特征更明显的图像作变换。先提取图像的轮廓特征,然后对比得到的两幅梯度图像间对应的像素值,找出每幅图像比另一幅图像清楚的区域,保留各自的优势部分,据此建立两幅梯度图像的二值图像,进行拉普拉斯金字塔变换的源图像就是上述处理获得的二值图像。接着融合变换后的两个图像金字塔,最后,需要与最初源图像的高斯金字塔重新构建图像,将前一步获得的拥有更多高频细节的拉普拉斯金字塔从塔顶开始逆变换,直至变换出塔底图像为止,即可得到最终结果。实验数据显示,改进的融合方法起到了持有更多细节的作用。     

使用不同频率域残差和K-SVD模型的图像消噪方法

图像消噪前后的残差信息包含图像的高频信息。为了提高消噪图像的质量,在轮廓波变换域内,根据噪声图像及其K-SVD消噪后不同频率子带图像的残差信息,对残差子图像块再次进行K-SVD消噪,并将其结果与消噪图像的子带图像进行融合,得到包含残差信息的消噪子带图像,最后通过轮廓波逆变换得到消噪图像。仿真实验结果证明了所提出的基于不同频率子带内残差信息和K-SVD的图像消噪方法优于轮廓波变换和K-SVD模型,具有较好的消噪性能。     

结合小波变换和HIS变换的遥感图像融合方法

对比HIS变换,小波变换结合HIS变换方法对一景WorldView 2多光谱图像进行像素级融合。对WorldView 2多光谱图像进行HIS变换,对亮度分量I和全色波段图像进行3层小波分解,并用全色波段图像第3层的3个高频小波系数图像替换亮度分量I第3层的3个高频小波系数图像。再通过小波逆变换重构亮度分量I,利用HIS逆变换得到融合图像,最后采用目视判读评价融合效果。结果表明,相较于HIS变换方法,采用小波变换结合HIS变换方法能使WorldView 2多光谱图像在融合后实现多光谱信息保真,同时融入全色波段图像空间纹理结构特征,提高图像细节表达能力,改善目视判读效果。     

基于小波变换的遥感图像融合方法

概述了图像融合技术的常用方法,着重介绍了基于小波变换的图像融合原理、融合算法与融合规则,并分析了不同的小波基及小波分解层数对图像融合效果的影响,最后总结了有效的图像融合结果的评价指标。     

压缩域遥感图像融合方法研究

给出了基于压缩感知的全色和多光谱图像融合方法.分块压缩感知实现速度快、存储需求小,为海量遥感数据的压缩测量提供了有效策略.同时,利用小波变换的多分辨率特性,实现了压缩采样的多尺度融合.最后采用全变分技术重构融合图像.实验结果表明,与传统小波融合方法相比较,所提方法融合结果具有更高的空间分辨率和更好的光谱相关性.     

基于字典学习的医学图像融合

稀疏表示能够有效地表示图像的固有特征,利用KSVD学习算法对30幅自然图像训练得到了鲁棒的字典,利用“滑窗”策略对两幅源图像进行分块,使用OMP算法在字典上对各图像块进行稀疏分解,分解后的系数采用系数绝对值选大法进行融合,进而得到融合后和图像块.理论分析与实验结果表明,该方法能够有效地对已配准的待融合图像进行融合,融合后的结果无论是视觉效果还是客观评价参数均优于文中对比方法的效果.     

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.     

基于Gabor滤波和图像金字塔的多聚焦图像融合

利用拉普拉斯金字塔分解方法对原始图像进行多分辨率分解,通过取不同方向Gabor滤波器对分解后的各层图像进行多方向的滤波,提取出不同方向的边缘特征,再通过比较特征大小来判断属于清晰还是模糊像素,最后对融合金字塔做拉普拉斯金字塔反变换得到融合图像.实验证明该方法能够取得很好的融合效果,融合质量优于其他方法.     

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。     

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。     

基于小波变换的图像融合技术研究

从小波和图像融合的定义出发,阐述了小波变换在图像融合技术中的应用,同时对小波变换在图像融合技术的发展进行了展望。     

基于双窗口小波-Contourlet变换的图像融合算法

提出一种基于双窗口小波-Contourlet变换的图像融合算法.首先采用小波一Contourlet变换对图像进行分解,接着采用两种不同尺寸的窗口计算系数的特征值:低频子带采用区域能量法和高频子带采用区域方差法,分别比较双窗口下的高频子带和低频子带的系数特征值,比较的结果作为得到融合系数选择的依据,最后采用逆小波-Contourlet变换得到融合图像.仿真实验证实,在特征类型选择一致的情况下,该方法的融合性能优于小波变换法和Contourlet变换法,融合图像质量较好.     

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.     

基子小波变换的图像融合技术研究

从小波和图像融合的定义出发,阐述了小波变换在图像融合技术中的应用,同时对小波变换在图像融合技术的发展进行了展望.     

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.