多信息源图像的融合技术研究

多源图像融合是将不同来源的某一场景的两个（或多个）目标进行两次（或多次）成像,将这些图像的清晰部分组成一幅新的图像,以得到一个多目标都聚焦清晰的融合图像。提出将小波变换方法应用于多信息源图像的融合,并选取适当的小波基、分解层数和融合算子。针对小波变换及图像的特点,本文选取了7类共50种小波基、4种小波分解层数和6种融合算子,共1200种小波变换的融合方法进行了比较。通过比较融合图像的相似性,对图像融合效果的评价表明,实验获得的最佳图像与理想图像的相似度均达到99%。     

基于移不变形态中点小波的多聚焦图像融合

为解决不同聚焦深度下多幅图像的信息融合问题,提出一种变换域处理方法。首先基于非线性的中点滤波器,以非抽样方式构造出具有移不变性的形态中点小波变换。然后对形态中点小波变换进行提升,从而改善算法性能。最后,利用提升后的形态中点小波分解待融合图像,选取合适的融合规则处理变换域系数,通过反变换重构得到融合后的图像。计算机仿真实验表明,移不变形态中点小波多分辨率分析方法能有效融合多聚焦图像,与传统线性小波变换或其他较流行的小波变换相比,得到的整个场景更加完整清晰。     

小波变换在图像融合中应用探讨

作为像素级融合的方法之一,小波变换具有多分辨分析和多尺度分析的特点,目前被广泛应用于红外和可见光图像融合中。本文通过深入研究现有的图像融合算法,研究小波基的提升方案,并对其提升处理后的小波性能进行比较。     

ETM+影像的像素级图像融合方法比较

图像融合是一种进行图像增强的有效技术方法,可以综合利用图像的空间纹理细节和光谱信息。图像融合分为像素级融合、特征级融合和决策级融合三个层次。像素级图像融合是最常用的图像融合方法,主要有HIS变换法、Brovey法、PCA变换法、SFIM变换法、小波变换法等。     

基于小波变换的图像融合及其MATLAB实现

图像融合是对数字图像的预处理,使图像整体或局部特征能有效地改善。本文基于对图像融合理论的理解,分析了小波变换在图像融合中的应用。在此基础上,利用MATLAB对不同融合系数的图像以及不同增强系数的图像进行融合等,并对其结果进行分析与比较,表明采用方法的合理性。     

几种遥感图像融合技术方法的对比与讨论

本文在研究遥感图像融合技术原理的基础上,详细介绍了IHS、主成份分析融合方法和小波变换融合方法的技术核心和步骤。并对比了这三种方法的优缺点。     

基于矩阵运算的图象处理

本文将结合实际中图像处理领域的相关知识,对图像的矩阵表示、图像的矩阵处理、图像的小波变换、人脸识别、图像融合等技术进行逐一讨论和分析。     

一种改进的DCT变换图像融合技术

提出了一种提升小波变换和DCT变换相结合的图像融合算法。这种算法并不依赖于对方差,而是直接使用DCT变化和小波变化分别对高频部分、低频部分进行特征提取。实验表明,这种新的融合技术与传统算法相比,不但提高了图像的信噪比,更加保留了边缘的信息细节,同时也提高了处理效率,减少了使用时间,具有较高得实用价值。     

基于小波变换的遥感图像融合方法研究

本文提出了基于小波变换的图像融合过程中最关键的步骤是系数的融合,对系数融合的方法做了深入的探讨和归纳。针对多遥感器图像融合,因涉及到不同的数据源,其数据获取方式,图像融合方法十分不同,很难有一个具体模型的情况,提出了基于弹性模型的方法。     

基于融合技术的边缘检测方法

利用小波分解后的平均与细节的特性,提出了一种新的图像融合方法。结合各种边缘检测算子和小波变换边缘检测方法,提出了一种新的边缘检测方法。     

基于小波框架变换和区域能量的图像融合算法

提出了一种基于小波框架变换和区域能量的多聚焦图像融合方法,该方法首先利用离散小波框架变换对原始图像进行多尺度分解,通过计算各个像素的高频能量并设置合适的闽值,将源图像分割成3个区域：聚焦区、离焦区和边界区,不同的区域采用不同的融合规则,在保持源图像各自聚焦区域的同时尽可能保持边缘区域的细节：实验结果表明,该方法取得了比其它2种传统融合方法更优的视觉效果和性能指标。     

基于平移不变小波变换的图像融合技术的实现

本文介绍作者所进行的基于像素级图像融合技术的研究。目前,图像融合技术主要分为像素级、特征级和决策级这三种主要方法,而像素级图像融合的方法可以更多地保留原有图像的信息,并对单一像素信息进行处理,精度高、方法简单易行,目前被广泛的应用在各个领域。而基于平移不变小波变换算法先对待融合的多源图像进行空间域的变换,得到图像各层分解后的系数,再对该组系数按一定的融合规则进行融合处理得到一个融合后的系数表示,最后经图像的逆变换获得最终的融合图像。     

基于小波变换的图像检索

正本文研究了小波变换的有关定义、理论和性质,尤其是小波变换的多分辨分析理论和离散小波变换理论;研究比较了图像边缘提取的一些方法,着重研究了图像检索的基本方法和基于小波变换的商标图像检索方法,在MATLAB工作环境下对其进行仿真试验,并对实验结果进行了分析和比较。我们还将作进一步研究,使之具有实用价值。近年来出现的小波分析方法作为有力的分析工具被用     

浅析小波变换理论及其应用

本文介绍了小波变换的发展历史,基本原理,比较了小波变换与傅立叶变换的各自不同的特点,讨论了当今传输系统中小波变换的应用,通过这些介绍分析,得出小波变换算法在信号处理、瞬态分析、图像处理等方面的优势,最后对小波变换理论的发展及其应用前景作了展望。     

小波变换在图像压缩中的应用

本文介绍了数据压缩在图像传输中的重要性，并指出了小波变换是实现图像压缩的一种重要的方法，介绍了小波变换是通过对图像像素分解与重构来实现对图像进行压缩，并分析了压缩比。     

基于小波变换和稀疏表示的人脸识别方法研究

在传统的基于小波变换的人脸识别方法的基础上,加入稀疏表示的方法对人脸识别进行研究,进一步提高人脸识别率。小波变换把人脸图像分解为一幅低频人脸图像和三幅高频人脸图像,低频人脸图像代表人脸图像的全局(整体)信息,高频人脸图像代表人脸图像的纹理和边缘等细节信息。低频人脸图像在人脸识别中起到关键性作用,用正交投影的方法对低频人脸图进行识别得到的低频人脸图像分类隶属度。高频人脸图像在人脸识别中同样存在不可忽略的作用,用基于领域能量的方法把三幅高频人脸图像融合为一幅高频融合人脸图像,然后用稀疏表示的方法对融合图像进行识别得到高频人脸图像分类隶属度。最后把高、低频分类隶属度融合确定人脸图像所属类别,与传统人脸识别方法相比,进一步提高了人脸识别率。     

基于Matlab的小波变换在图像压缩中的应用

小波变换作用在图像上主要体现在两点：图像压缩和图像降噪。本文借用matlab这门科学和工程计算中常用的处理软件以及二维小波变换的分解和重构原理,实现了对原始图像的第一、二次压缩,并和单分辨率小波重构的效果图作了比较。     

一种改进的图像边缘提取方法

为提高图像边缘检测的清晰度、精度、连续性以及抗噪性能。结合小波变换和数学形态学设计了一种图像边缘提取算法。重点论述了一种改进形态学边缘检测算子。该算法以含噪图像为研究对象,通过小波分解将原始图像分为高频和低频分量。利用小波变换模极大值法实现高频分量边缘检测,同时基于改进形态学边缘检测算子实现低频分量边缘检测。然后,通过图像融合得到完整边缘。仿真结果表明:所述方法抗噪性能较好,图像边缘清晰度高而且定位精准。     

基于小波包和局部阈值的飞机姿态识别

本文结合小波包变换和局部阈值各自的优点,提出了一种基于小波包变换和局部阈值的飞机姿态识别方法。该方法首先利用小波包变换对飞机图像进行去噪,然后分别运用Canny算子和局部阈值法对去噪后的飞机图像进行边缘提取,验证了局部阈值方法的优越性,再根据Hough变换对飞机的姿态进行识别判断。     

虹膜特征提取和匹配的几种主要算法研究

虹膜的身份识别在国际上已成为一个研究的热点领域。本文主要比较了虹膜特征提取和匹配的几种主要算法,分别说明了Gabor变换、傅里叶变换和小波变换的优点与不足,并指出相对而言,小波变换更适合应用在虹膜图像的识别中。